📝 本期播客简介

本期我们克隆了：AI Engineer Workshop 深度技术分享 Jack Morris: Stuffing Context is not Memory, Updating Weights is

目前的 AI 助手虽然博学，但面对你公司的私有文档或最新的行业代码时，往往表现得像个“局外人”。本期嘉宾 Jack Morris 是一位顶尖的 AI 研究员，他曾任职于 Meta，目前正致力于解决 AI 记忆的终极难题。在这场干货满满的分享中，Jack 挑战了目前被视为行业标准的 RAG（检索增强生成）技术，提出了一个更具野心的方向：把知识直接“训练”进模型的神经元里。你会听到为什么超长上下文往往是一种“欺诈”，为什么你的向量数据库可能存在安全漏洞，以及如何利用合成数据让模型真正“吃透”你的私有知识库。这不仅是一场技术演进的预判，更是一次关于 AI 架构如何从“查字典”转向“长脑子”的深度探索。

👨‍⚕️ 本期嘉宾

Jack Morris，资深 AI 研究员，康奈尔大学博士生。他曾任职于 Meta AI 团队，专注于大语言模型的安全性、记忆机制及微调技术。他目前正创办一家专注于“可教模型”的 AI 初创公司，致力于让模型能够高效、无损地吸收特定领域的专业知识。

⏱️ 时间戳

00:00 开场 & 嘉宾背景介绍

AI 记忆的现状与困境

02:00 ChatGPT 的盲区：为什么它不知道你公司的门禁卡密码？

04:30 知识注入的三条路径：上下文、RAG 与训练权重

06:50 “上下文欺诈”：为什么模型没崩溃，但推理失效了？

08:43 成本与速度的博弈：Transformer 架构的二次方诅咒

拆解 RAG 的根本局限

10:18 向量数据库：今天的文件系统，而非未来的文件系统

12:39 Embedding 的安全隐患：你的私有数据能被轻易还原吗？

14:02 缺乏适应性：为什么信用卡文档在向量空间里都挤在一起？

17:28 RAG 的推理天花板：它无法关联那些“隐含”在文档间的逻辑

把知识训练进权重（Training into Weights）

19:45 为什么最笨的微调方法会让模型变“傻”？

22:46 3M 财报实验：当模型开始机械复述，它就失去了诗意

24:58 破局之道：利用合成数据打破“过拟合”魔咒

27:46 “自适应语言模型”：让 AI 自己决定该学什么

技术架构的终极对决

28:36 灾难性遗忘：如何让模型学新知识而不丢旧本事？

30:04 LoRa vs. 全量微调：谁更擅长“少学多留”？

31:48 记忆层（Memory Layers）：给模型装一个可微分的查找表

34:53 规模化部署：如何为一千万个用户提供个性化模型？

深度问答：RAG 真的会被取代吗？

36:46 经济账：什么时候该用 RAG，什么时候该训练？

40:48 联邦学习的回归：小参数更新带来的新机会

42:45 “零提示词”理想：把百万 token 压缩进权重的诱惑

46:06 哲学争论：模型应该是全能天才，还是熟练的工具使用者？

🌟 精彩内容

💡 警惕“上下文欺诈”

Jack 提出了一个扎心的观察：模型在塞进大量 token 时“不崩溃”，和它能进行“有效推理”是两码事。随着上下文增加，模型解决问题的能力往往会呈指数级下降。

🛠️ Embedding 并不是保险箱

很多人认为只存储 Embedding（向量）是安全的，但 Jack 的研究证明，通过特定算法可以从向量中还原出 90% 以上的原始文本。这对处理敏感数据的企业来说是一个巨大的安全警示。

🚀 合成数据：微调的“点金石”

直接在私有文档上进行“下一个词预测”训练，往往会导致模型只会复述原句。Jack 发现，先让 AI 把文档转化成大量的问答对、重述文本等合成数据，再进行微调，效果甚至能超过 GPT-4。

💻 LoRa 的“中庸之道”

在对比多种微调技术时，Jack 指出 LoRa（低秩自适应）的精髓在于“学得少，忘得也少”。它对模型原有知识的破坏最小，且在强化学习（RL）场景下，甚至只需训练 14 个参数就能达到极高准确率。

❤️ 走向“专业化模型”

与其追求一个知道塔吉克斯坦省会、又知道你公司代码的通用模型，未来的趋势可能是极度专业化的模型——它们在特定领域极其敏锐，而在无关领域则保持“无知”以节省容量。

🌐 播客信息补充

翻译克隆自：AI Engineer Workshop：Memory in LLMs_ Weights and Activations - Jack Morris, Cornell

本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的

使用 AI 进行翻译，因此可能会有一些地方不通顺；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介

本期我们克隆了：Anthropic 官方技术分享 AI Engineer Workshop: Claude Agent SDK [Full Workshop] — Thariq Shihipar, Anthropic

构建一个强大的 AI Agent 到底需要什么？是更多的工具接口，还是更聪明的 Prompt？Anthropic 的 Thariq Shihipar 给出了一个“观点鲜明”的答案：基于 Unix 基本元素的 Bash 工具和文件系统。在本期深度分享中，Thariq 揭秘了 Claude Code 背后的一套工程逻辑。你将听到为什么 Agent 循环更像是一门艺术而非科学，为什么你应该像对待“马”一样引导模型，以及为什么在 AI 时代，扔掉代码的速度要比写代码快十倍。无论你是想构建自动化的 GitHub 机器人，还是复杂的电子表格分析助手，这期节目都将为你提供最前沿的 Agent 开发范式。

👨‍⚕️ 本期嘉宾

Thariq Shihipar，Anthropic 创始团队成员，Claude agent SDK 的核心负责人。他深度参与了 Claude Code 的开发，致力于定义下一代 AI Agent 的交互与工程标准。

⏱️ 时间戳

00:00 开场 & 播客简介

Agent 的演进与 SDK 诞生

01:40 从单一 LLM 到自主 Agent：AI 功能的演变历程

04:31 为什么需要 Claude Agent SDK：拒绝重复造轮子

06:07 核心组件拆解：工具、Prompt、文件系统与技能（Skills）

核心哲学：Bash 与文件系统

07:58 观点鲜明的框架：为什么 Bash 是 Agent 最强大的武器

10:48 瑞士奶酪防御模型：如何为高权限 Agent 构建安全护栏

13:49 降维打击：用 Bash 处理非编程任务（如邮件账单分析）

实战心法：Agent 循环设计

17:31 Agent 循环的三大支柱：收集上下文、执行操作、验证工作

20:01 武器库对比：工具（Tools）vs Bash vs 代码生成（Code Gen）

23:42 渐进式上下文披露：如何利用“技能”和子 Agent 节省 Token

31:48 框架的“React 时刻”：为什么 SDK 的复杂性是必要的权衡

工程挑战与最佳实践

35:52 Agent 通信协议：它们会像人类一样在“论坛”里交流吗？

48:51 状态机思维：为什么 Git 是完美的可逆环境，而 UI 自动化很难

52:34 应对“百万行”挑战：大数据的导航、搜索与草稿本模式

56:59 持续验证：在每一个环节插入确定性的启发式规则

原型演示：构建宝可梦 Agent

01:00:37 从零开始：用 Claude Code 自动生成 API 库

01:03:44 只有工具 vs 代码生成：两种开发范式的实测对比

01:07:30 复杂数据分析：基于 Smogon 文本文件的竞技对战策略生成

01:14:20 终极建议：关注今天有效的技术，不要害怕扔掉昨天的代码

🌟 精彩内容

💡 既然写代码快了十倍，扔代码也要快十倍

Thariq 提出了一个极具冲击力的观点：AI 工程师不应该赌未来，而应关注今天什么有效。由于模型能力每六个月就会发生质变，开发者必须保持敏捷，随时准备推翻旧的架构。

🛠️ Bash 是第一个“代码模式”

很多人试图为 Agent 开发成百上千个专用工具，但 Anthropic 发现，给 Agent 一个 Bash 环境，它就能通过 grep、jq、ffmpeg 等成熟工具自行组合出无限可能。这种“可发现性”和“组合性”是传统 API 无法比拟的。

🚀 收集上下文是一门艺术

Agent 就像被困在房间里的人，你给它一堆纸（静态上下文）不如给它一台联网的电脑（搜索工具）。Thariq 强调，优秀的开发者应该思考如何将“分布外”的问题，通过预处理或工具转换，变成模型熟悉的“分布内”问题。

🔄 可逆性是 Agent 的生命线

为什么代码 Agent 发展最快？因为 Git 提供了完美的撤销机制。Thariq 建议，在设计非编程 Agent 时，工程师的首要任务是思考如何构建一个可逆的状态机，让

📝 本期播客简介

本期我们克隆了：硅谷深度访谈播客 Dwarkesh Podcast - Andy Matuschak — The reason most learning tools fail

原播客更新时间为 2023 年 7 月 12 日

本期嘉宾 Andy Matuschak 的经历极具跨界色彩。他曾是苹果公司的资深工程师，负责过 iOS 系统的核心功能开发；如今，他是一位独立研究员，专注于构建“思维工具”（Tools for Thought）。在这期节目中，Andy 深入剖析了人类大脑吸收知识的底层机制。他不仅挑战了我们对“记忆”的刻板印象，还分享了他在苹果工作期间观察到的巨头决策逻辑。你将听到：为什么我们越依赖 AI 就越需要锻炼记忆力？为什么大多数教育软件只是在“掩盖”痛苦而非解决问题？以及一个研究者如何在追求真理与市场营销之间寻找平衡。这不仅是一场关于学习方法的讨论，更是一次关于人类如何增强自身认知能力的深度探索。

👨‍⚕️ 本期嘉宾

Andy Matuschak，著名“思维工具”研究员、工程师与设计师。他曾任苹果公司（Apple）资深工程师，参与了 iOS 系统的多项重要研发。离开苹果后，他与 Michael Nielsen 合作开发了《Quantum Country》等增强型阅读媒介，致力于通过技术手段提升人类的理解力和记忆力。

⏱️ 时间戳

00:00 开场 & 播客简介

记忆、理解与学习的本质

02:05 记忆被低估了：为什么它是深度理解的基石

05:23 《如何阅读一本书》：主动阅读与“攀岩者”隐喻

07:20 察觉困惑：如何培养提问的元认知习惯

思维工具与学习设计

08:21 元认知外包：教学大纲与 Quantum Country 的设计实验

12:19 学习的“脚手架”：何时该遵循大纲，何时该跳着学

22:52 LLM 时代，记忆是变得更重要还是更不重要了？

26:37 遗忘的价值：大脑的“权重剪枝”与预测效用理论

从工程到研究的跨越

31:30 苹果工程师 vs. 独立研究员：心流与“应该做什么”的难题

34:58 沉浸式学习与间隔重复：为什么你需要明确的练习

40:42 为什么视频和游戏没能彻底改变教育？

43:36 《从与非门到俄罗斯方块》：主动参与的力量

教育体系与创新

53:24 教育系统在逼中等生实现不属于他们的目标

01:04:30 “非学校化”教育的挑战：如何不让孩子成为冲动的奴隶

01:09:17 教育的进步与天花板：为什么我们没能培养出更多冯·诺依曼

知识的传播与苹果的秘密

01:18:47 超文本的局限：为什么维基百科没能改变写作

01:28:39 快速行动的陷阱：研究者如何避免被 MVP 心态腐蚀

01:42:15 众筹研究的真相：营销对诚实探究的“毒性”

01:54:53 苹果的组织黑盒：两万亿巨头如何通过授权与责任圆环运作

02:00:37 间隔重复为何没能成为主流？

🌟 精彩内容

💡 记忆是理解的“燃料”

Andy 认为，很多人排斥记忆是因为将其等同于死记硬背。但实际上，如果你想搞懂复杂的事物，必须在长时记忆中储存足够的基础知识。这种“知识储备”能让你在阅读或思考时，瞬间察觉到不同信息之间的联系或矛盾。

“灵光一闪只有当相关信息就在你记忆里时才可能发生。”

🛠️ 元认知的“外包”

学习之所以痛苦，是因为大脑在处理新知识的同时，还要分心去规划学习路径（元认知）。Andy 建议通过使用高质量的教学大纲或带有嵌入式问题的“助记媒介”，将这些管理工作外包出去，让大脑专注于理解本身。

🚀 视频与游戏的教育假象

虽然像 3Blue1Brown 这样的视频非常吸引人，但 Andy 提醒，观众往往会产生“听懂了”的错觉。真正的理解需要主动的认知参与。他推崇像《The Witness》或《从与非门到俄罗斯方块》这样的项目，因为它们强迫学习者在环境中通过“做”来构建知识。

💻 苹果公司的决策艺术

Andy 分享了苹果如何处理复杂的权衡。苹果并不是由一个人控制所有细节，而是通过“责任同心圆”结构：高管只对极少数核心决策保持绝对控制，而将 95% 的技术和产品决策授权给各领域的专家。这种“推拉”机制是其保持产品凝聚力的关键。

❤️ 研究者的“诚实”代价

在众筹研究的过程中，Andy 坦言营销具有腐蚀性。为了获得更多赞助，研究者很容易倾向于发表“最小可行论文”或夸大结果。他选择保持低调和慢节奏，以确保自己能诚实地面对那些尚未解决的难题。

🌐 播客信息补充

本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的

使用 AI 进行翻译，因此可能会有一些地方不通顺；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介

本期我们克隆了：四年前巴菲特的一期访谈内容 Warren Buffett's Investment Strategy: How to Live and Invest like a Legend (Full Interview)

在这场罕见的真诚对话中，沃伦·巴菲特（Warren Buffett）放下了报表与数字，带我们走进他那充满智慧的精神世界。你将听到这位“奥马哈先知”如何从一个做空老师股票、甚至偷窃和离家出走的叛逆少年，成长为影响全球的投资大师。巴菲特深入探讨了影响他一生的“内在记分卡”，解释了为什么“嫉妒”是七宗罪里最愚蠢的一项，并分享了他衡量成功的终极标准——当你老了，有多少人愿意“把你藏起来”。这不仅是一场关于如何赚钱的对话，更是一堂关于如何选择伴侣、如何面对衰老、以及如何在这个充满诱惑的世界里保持专注的人生大师课。

👨‍⚕️ 本期嘉宾

沃伦·巴菲特（Warren Buffett），伯克希尔·哈撒韦公司董事长兼 CEO。全球最成功的投资家之一，以其长期价值投资哲学和极度简朴的生活方式闻名。他不仅是财富的创造者，更是著名的慈善家，与比尔·盖茨共同发起了“捐赠誓言”（The Giving Pledge）。

⏱️ 时间戳

00:00 开场 & 播客简介

塑造传奇的底色

02:17 父亲的遗产：无条件的爱与“内在记分卡”

02:42 卵巢彩票：承认运气是人生成功的基石

03:24 早期正义感：从奥马哈到华盛顿的种族隔离观察

06:34 马丁·路德·金的震撼：那场撼动未来的演讲

12:33 反精英主义：为什么美国的一半人才曾被晾在冷板凳上

英雄、导师与伴侣

15:20 英雄的力量：为什么你应该和比你更优秀的人在一起

16:38 改变命运的四小时：与 GEICO 传奇人物的偶遇

11:14 凯瑟琳·格雷厄姆：一位在颤抖中改变新闻史的女性

52:51 苏茜·巴菲特：那个拿着喷壶不断滋润我灵魂的人

商业与人性的博弈

19:22 资本主义的残酷面：解雇朋友是我工作中最痛苦的事

25:44 专注的艺术：比尔·盖茨和我写下了同一个词

28:40 嫉妒之罪：为什么它是七宗罪里唯一没有任何好处的

33:14 极简日程表：没有委员会、没有PPT、只有大量的阅读

叛逆少年到投资大师

41:44 叛逆期往事：做空老师的养老股、偷窃与离家出走

45:37 早期商业课：十岁时从杂货店送货路线中学到的利益博弈

48:14 哈佛的拒绝：那是我人生中遇到过最幸运的事

51:06 戴尔·卡耐基课程：用100美元现金克服足以致呕的演讲恐惧

财富的终极归宿

20:56 成功的终极衡量：到了八十岁，有多少人愿意“藏起你”？

58:41 财富的无用性：金钱买不到爱，它只是复利游戏的积分

01:03:08 捐赠誓言：让超级富豪们开始思考“如何聪明地散财”

01:06:42 投资建议：保持耐心，不要试图在复利的游戏里做太多

01:07:21 乐观主义：你无法阻止一个正在释放潜力的体系

🌟 精彩内容

💡 成功的终极标准：“把你藏起来”

巴菲特分享了一个集中营幸存者的故事，以此定义成功：当你老了，衡量你一生的不是银行余额，而是有多少人真正爱你，甚至愿意在危难时刻把你藏起来。

“如果你到了那个年纪，人们为你举办表彰晚宴，但却没有一个人愿意把你藏起来，那你就是失败的。”

🛠️ 明确你的“能力圈”

巴菲特引用IBM创始人的话，强调明确边界的重要性。他认为聪明人自我毁灭往往是因为走出了自己的能力圈。

“我不是天才，但我只在某些领域聪明，我就待在那些领域里。”

🚀 嫉妒是最低级的负面情绪

在巴菲特看来，贪婪尚有动力，但嫉妒只会带来痛苦。

“在七宗罪里，嫉妒是唯一没有任何好处的。暴食和色欲至少还有乐趣，但嫉妒只会让你自己难受，而你嫉妒的那个人甚至感觉不到。”

💻 复利与时间的魔力

他认为赚钱不需要极高的智商，只需要耐心和正确的体系。

“赚钱最重要的一点就是时间……那些不试图做太多事的人，通常比那些花更多精力的人做得更好。”

❤️ 关于爱的“守恒定律”

巴菲特对爱的理解极具哲学色彩，认为爱是越付出越拥有的东西。

“爱是一种很奇怪的东西，你越是想付出，得到的就越多；你越是想抓住它，它就越会溜走。”

🌐 播客信息补充

本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的

使用 AI 进行翻译，因此可能会有一些地方不通顺；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介

本期我们克隆了：硅谷顶尖创投播客《Lenny's Podcast》We replaced our sales team with 20 AI agents—here’s what happened | Jason Lemkin (SaaStr)

本期嘉宾 Jason Lemkin 的分享可能会让很多销售从业者感到“背脊发凉”。作为全球最大的 B2B 创始人社区 SaaStr 的掌门人，Jason 亲手拆解了他如何将原本 10 人的市场销售团队，激进地改造为由 1.2 个人类和 20 个 AI Agent 组成的“数字军团”。

在这场对话中，Jason 毫无保留地分享了他对 AI 彻底重塑 GTM（进入市场）策略的预判。他认为，传统的初级 SDR 岗位即将消失，而能够驾驭 AI 工具的“GTM 工程师”将迎来年薪 25 万美金的黄金时代。无论你是担心被取代的销售人员，还是渴望极致效率的创业者，这期节目都将为你揭示未来三年的商业生存法则：如何训练你的数字员工、如何选择 AI 供应商，以及为什么“会跟人打交道”在 AI 时代已经不再是一项足够的技能。

👨‍⚕️ 本期嘉宾

Jason Lemkin，SaaStr 创始人兼 CEO。他是一位传奇的连续创业者，曾创办 EchoSign 并将其卖给 Adobe。他被公认为全球最顶尖的 B2B 销售与市场专家之一，其创办的 SaaStr Annual 是全球规模最大的 SaaS 行业盛会。目前，他正站在 AI 改造销售流程的最前沿。

⏱️ 时间戳

00:00 开场 & 播客简介

激进的实验：1.2 个人类与 20 个 Agent

01:45 现状揭秘：10 张办公桌，坐的全是 AI Agent

07:00 转型导火索：当顶尖销售在大会现场集体辞职

09:10 效率革命：产出持平，但实现了无限规模化与 24/7 工作

12:06 “0.2 个人”的含义：首席 AI 官 Amelia 的协调艺术

销售职业的终结与新生

19:28 消失的岗位：为什么初级 SDR 和线索筛选员明年将绝迹

23:55 职业建议：如何通过亲手训练一个 Agent 成为“GTM 工程师”

30:35 数字克隆人：从 Delphi 机器人谈到 AI 的“人味儿”

42:41 拒绝垃圾邮件：如何用 AI 写出超越人类平均水平的销售信

实战工具栈与增长心法

29:19 避坑指南：为什么除了 Vercel，大多数公司都不该自己建 AI GTM 工具

33:09 供应商选择：为什么“前线部署工程师 (FDE)”比软件功能更重要

38:37 激活沉睡线索：Agent Force 如何实现 70% 的惊人回复率

01:04:54 角色演变：从销售工程师到确保客户成功的 FDE

给创始人的未来备忘录

01:13:59 提高期望门槛：在客户付款前就交付投资回报率

01:18:01 勤奋的真相：AI 时代不是工作变少了，而是更卷了

01:23:07 无痕模式测试：一个让创始人“哭出来”的产品自检法

01:32:14 终极忠告：最好的创业公司就是你正在做的这一家

🌟 精彩内容

💡 1.2 个人类 vs 10 个人类

Jason 分享了 SaaStr 办公室的奇观：原本坐满销售的桌子现在贴着 Repli、Quali 等 AI Agent 的名字。通过 20 个 Agent 的协作，他实现了与 10 名全职员工相当的业绩，但彻底摆脱了初级员工频繁离职、培训成本高昂的噩梦。

🛠️ 拒绝平庸：AI 正在取代“不想干的工作”

Jason 犀利地指出，AI 淘汰的是那些表现平平、不上不下的人。那些只会发模板邮件、不懂产品技术细节、仅靠“擅长跟人打交道”的销售将失去竞争力。未来的超级销售是那些能像管理团队一样管理 10 个 Agent 的人。

🚀 训练 Agent 的“前线部署”哲学

Jason 强调，AI Agent 不是开箱即用的“天才”，它们需要长达一个月的深度训练。他建议企业在选择供应商时，要看对方是否提供“前线部署工程师 (FDE)”。成功的关键在于把你最顶尖销售的话术和逻辑“喂”给 AI，并进行持续 30 天的 QA 迭代。

💻 创始人的“无痕模式测试”

这是一个极具实操性的建议：创始人应该在假期用全新的 Gmail 地址，以无痕模式体验自家产品的全流程。Jason 预言，你会为糟糕的客服响应和断裂的销售环节感到“想哭”，而这正是你引入第一个 AI Agent 的最佳切入点。

📈 25 万美金年薪的 SDR 时代

Jason 描绘了一个乐观的未来：虽然低端岗位在消失，但赢家公司会以更高的薪水聘请能够驾驭 AI 的人才。一个人管理 20 个 Agent，其创造的价值将远超传统销售，这将推动整个行业向更高人效、更高薪资的方向进化。

🌐 播客信息补充

本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的

使用 AI 进行翻译，因此可能会有一些地方不通顺；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介

本期我们克隆了：AI Engineer Workshop - Building Intelligent Research Agents with Manus

Manus 到底是什么？它被定义为一个“行动引擎”（Action Engine）。在本期节目中，Manus 团队成员 Ivan Leo 将带我们深入技术前沿，展示 AI 智能体如何不再仅仅停留于“给出答案”，而是像真人一样在各种应用中执行复杂的自动化任务。

你将听到 Ivan 现场演示如何利用 Manus API 在几分钟内构建出功能强大的 Slack 机器人、网页应用，并处理复杂的企业报销流程。从法语学习助手到自动抓取 70+ 活动信息的“粗野主义”网站，Manus 展示了其作为通用 Agent 的恐怖实力。无论你是开发者、产品经理，还是对 AI 自动化感兴趣的极客，这期节目都将为你打开 AI 智能体应用的新大门。

👨‍⚕️ 本期嘉宾

Ivan Leo，Manus 团队成员（现 Meta Superintelligence 成员）。他是一位资深的 AI 工程师，致力于构建能够自主执行任务的通用智能体。在本次工作坊中，他通过现场编码和深度 Demo，揭示了 Manus API 的核心能力与设计哲学。

⏱️ 时间戳

00:00 开场：欢迎来到跨国串门计划

什么是“行动引擎”？

01:57 重新定义 Manus：不只是聊天，更是执行任务的“行动引擎”

03:13 设计理念：到用户所在的地方去（Slack, Email, Browser, Office 365）

04:21 Demo 1：法语学习助手——AI 如何通过交互构建你的个人画像

07:05 Demo 2：浏览器操作器——让 AI 在你的本地浏览器里“跑腿”

08:34 Demo 3：从抓取到建站——几分钟内生成一个功能完备的 Web 应用

10:12 开发者福利：支持 Docker 镜像、Stripe 集成与 Redis 队列

Manus API 实战教学

11:50 API 入门：沙盒环境、计费逻辑与任务 ID 管理

15:12 异步生命周期：如何通过轮询（Polling）监控任务状态

19:30 文件与上下文：支持 PDF OCR、Base64 图片及 48 小时自动删除机制

25:07 进阶玩法：为什么 Webhook 是大规模构建 Agent 的最佳实践

构建一个“有手有脚”的 Slack 机器人

29:26 实战演示：利用 Modal 快速部署 Slack 机器人端点

33:52 多轮对话逻辑：如何利用 KV 存储实现线程记忆

44:41 复杂流处理：AI 如何识别发票、查询 Notion 政策并完成自动化报销

48:16 总结：把杂事交给 Manus，你只需关注核心业务逻辑

深度问答与未来展望

49:04 入门建议：先玩转网页版，再探索 API 沙盒

49:55 幕后故事：那个“粗野主义”风格网站是怎么迭代出来的？

51:47 隐私与安全：数据存在哪？谁能看到我的聊天记录？

52:33 趣味用例：用 Manus 抢订新加坡竞争最激烈的匹克球场

53:21 路线图：浏览器 API 授权、PPT 导出与长效记忆功能

🌟 精彩内容

💡 Manus：从对话到执行的跨越

Ivan 强调，Manus 的核心竞争力在于其“通用性”。它不是一个垂直领域的工具，而是一个自带沙盒环境、能写代码、能操作浏览器的通用 Agent。

“如果你构建的是一个通用的 AI agent，而不是垂直领域的产品，你能做的事情会多得多。”

🛠️ 开发者友好的 API 设计

Manus API 提供了与网页版完全一致的能力。通过提供独立的 Docker 镜像环境，开发者可以在上面安装任何库（如 Redis, BullMQ），这使得构建一个复杂的 MVP（最小可行产品）变得前所未有的简单。

🚀 现场演示：自动报销机器人

最令人惊叹的演示是，Ivan 展示了一个 Slack 机器人如何接收一张贝果店的收据图片，通过 OCR 提取金额，然后自主去 Notion 查询公司的报销政策，最后更新报销表格。整个过程无需人工干预，展示了 AI Agent 处理模糊任务的能力。

🔐 隐私与数据安全

针对开发者最关心的隐私问题，Ivan 明确表示：数据存储在美国，团队不会主动读取用户记录。只有在用户主动分享报错信息时，工程师才会介入调试。此外，API 上传的文件会在 48 小时内自动删除。

📈 未来路线图：记忆与多端对齐

Manus 正在开发“长效记忆”功能，让 Agent 能够记住用户的偏好。同时，很快用户就能通过 API 获得与 UI 界面一致的体验，例如直接导出 AI 生成的 PPT 或 PDF 报告。

🌐 播客信息补充

本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的

使用

📝 本期播客简介

本期我们克隆了：全球顶尖访谈播客《Lex Fridman Podcast》Infinity, Paradoxes, Gödel Incompleteness & the Mathematical Multiverse | Lex Fridman

数学是真理的终极语言，还是人类构建的一场华丽游戏？本期嘉宾乔尔·大卫·哈姆金斯（Joel David Hamkins）的成就堪称传奇——他不仅是集合论与无穷本质研究领域的顶尖学者，更是数学界著名社区 Math Overflow 历史排名第一的“大神”。

在这场深度对谈中，哈姆金斯将带我们走入那个让康托尔发疯、让希尔伯特痴迷的“无穷天堂”。我们将从能够塞进无限客人的“希尔伯特旅馆”聊起，揭开实数不可数背后的对角线秘辛；探讨罗素悖论如何差点毁掉数学大厦，以及哥德尔如何用不完备性定理揭示了真理与证明之间永恒的鸿沟。更令人震撼的是，哈姆金斯提出了一种颠覆性的哲学视角：相比于捉摸不透的物理世界，抽象的数学世界反而更加清晰真实。这是一场关于逻辑、真理与现实本质的头脑风暴，它将彻底重塑你对这个世界底层逻辑的认知。

👨‍⚕️ 本期嘉宾

乔尔·大卫·哈姆金斯（Joel David Hamkins），圣母大学数学与哲学教授。他是集合论、逻辑学和数学哲学领域的权威专家，著有《证明与数学的艺术》、《数学哲学讲座》等著作。他在 Math Overflow 社区拥有历史第一的声望值，以其对复杂数学概念极具洞察力且优雅的解释而闻名。

⏱️ 时间戳

00:00 开场 & 播客简介

无穷的诱惑与危机

05:11 康托尔的遗产：为什么有些无穷比另一些更大？

11:24 希尔伯特旅馆：如何在一个住满客人的旅馆里再塞进无穷个人

15:03 希尔伯特公交车与火车：无穷多个无穷相加的奇妙结果

22:33 实数的不可数性：康托尔如何用对角线论证打破直觉

数学大厦的根基

34:47 集合论的崛起：作为所有数学学科的统一基础

48:08 罗素悖论：那个“不包含自身的集合”如何引发了数学内战

52:47 拟人化思维：用“委员会”和“水果沙拉”理解深奥的集合论

58:43 逻辑主义的梦想：弗雷格的心碎与 ZFC 公理系统的诞生

逻辑的极限与真理

59:52 希尔伯特纲领：试图证明数学永远不会出错的宏伟计划

01:12:07 哥德尔不完备性定理：为什么数学中总有无法证明的真理

01:17:11 塔斯基的真理观：句子“雪是白的”是真的，当且仅当雪是白的

01:26:16 停机问题：图灵如何证明有些事情是计算机永远无法预知的

数学哲学与现实本质

01:41:06 抽象vs物理：为什么数学对象比物理对象更真实、更清晰

01:46:30 结构主义视角：尤利乌斯·凯撒到底是不是一个数字？

02:15:05 连续统假设：那个让康托尔崩溃的难题到底在问什么

02:25:21 集合论多元宇宙：不存在唯一的数学真理，只有不同的宇宙

数字的奇幻游戏

02:36:31 超现实数：康威如何从“无”中创造出庞大的数字系统

02:47:06 生命游戏：细胞自动机中的可计算性与复杂性

02:51:00 停机问题的“黑洞”：为什么随机程序几乎总是容易预测的

03:16:09 无穷象棋：在一个无限棋盘上，白方如何保证在有限步内获胜

03:33:24 终极之美：超穷序数与超越无穷的计数艺术

🌟 精彩内容

🛠️ 希尔伯特旅馆的魔力

哈姆金斯生动地解释了无穷的特性。在希尔伯特旅馆，即使房间全满，只要让每位客人挪到 n+1 号房，就能空出 0 号房给新客人。这种违反欧几里得“整体大于部分”原则的直觉，正是无穷大世界的入场券。

💻 哥德尔的致命一击

哈姆金斯深入浅出地讲解了不完备性定理。它终结了希尔伯特试图将数学变成“死记硬背的计算程序”的梦想。它告诉我们，数学研究永远需要创造力和想象力，因为没有任何一套公理系统能捕捉到所有的真理。

🌌 数学多元宇宙观

这是本期最震撼的哲学观点。哈姆金斯认为，就像物理学中可能存在平行宇宙一样，数学也存在“多元宇宙”。在某些宇宙中，连续统假设是真的；在另一些宇宙中则是假的。我们不应该寻找唯一的真理，而应该探索不同宇宙间的联系。

🍎 抽象比物理更真实

“我不认为我们对物理对象的本质有如此清晰的存在概念。”哈姆金斯挑战了常识。他认为物理世界（如夸克、波函数）极其神秘且不断被推翻，而数学对象（如空集、数字）的逻辑属性却永远清晰、稳定且可被彻底理解。

♟️ 无穷象棋与序数

通过无穷象棋，哈姆金斯展示了“序数”的力量。黑方可以控制输掉比赛的时间（比如要求白方必须花一百万步才能将死），但白方依然拥有确定的获胜策略。这展示了数学如何精确地处理“有限但无界”的复杂情况。

🌐 播客信息补充

本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的

使用 AI 进行翻译，因此可能会有一些地方不通顺；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介

本期我们克隆了：硅谷深度对话播客《Dwarkesh Podcast》Adam Marblestone – AI is missing something fundamental about the brain

为什么人类大脑只需极少的数据就能学会复杂的技能，而大语言模型（LLM）即便吞噬了整个互联网的文本，在逻辑推理上依然显得“笨拙”？本期嘉宾 Adam Marblestone 带来了一个颠覆性的视角：AI 缺少的可能不是参数，而是大脑中那套由进化精心编码的“损失函数”。

Adam 是 Convergent Research 的 CEO，也是神经科学与 AI 交叉领域的领军人物。在这场深度对话中，他拆解了大脑的“双系统”架构：一个负责全向推理的“学习子系统”（皮层），以及一个内置了千万年生存智慧、负责引导学习方向的“操纵子系统”。从连接组学的技术挑战，到用 Lean 语言实现数学证明的自动化，再到如何通过“专注研究组织”（FRO）填补科学基础设施的空白，Adam 展示了一幅通往通用人工智能（AGI）的全新路线图。这不仅是一场关于神经科学的科普，更是一次关于智能本质的终极追问。

👨‍⚕️ 本期嘉宾

Adam Marblestone，Convergent Research 首席执行官，前 MIT 物理学家，曾任 Google DeepMind 研究员。他致力于通过“专注研究组织”（FROs）推动科学基础设施的变革，目前正领导包括 E11 bio（大脑连接组图谱绘制）和 Lean（形式化数学语言）在内的多个前沿项目。

⏱️ 时间戳

00:00 开场 & 播客简介

大脑与 AI 的效率之争

02:01 千万亿美金的问题：为什么大脑比 AI 更高效？

04:54 进化的“课程表”：大脑如何内置复杂的损失函数

08:10 皮层：一个拥有“全向推理”能力的通用预测引擎

11:39 为什么 LLM 擅长预测下一个词，却不擅长“填空”？

进化的秘密：奖励函数与泛化

14:12 “摊销式推理”：为什么大脑反应飞快而 AI 需要思维链？

18:29 基因组的瓶颈：为什么区区 3GB 数据能构建出智能？

23:06 操纵子系统：进化如何把“怕蜘蛛”编码进你的神经元

28:25 奖励函数的“下游”：如何把抽象概念连接到本能反应

生物硬件与数字心智

33:19 20 瓦的奇迹：大脑的能效优势与硬件协同设计

35:55 突触 vs 代码：细胞层面的复杂性是在做“胶水”工作吗？

42:24 逆向工程大脑：我们离“全脑仿真”还有多远？

解密大脑：连接组学与技术革命

49:43 绘制大脑地图：从电子显微镜到光学连接组学的跃迁

53:58 行为克隆：能不能把大脑的内部状态“蒸馏”给 AI？

56:59 为什么我们需要几十亿美金去画一张小鼠大脑图谱？

数学自动化与可证明的未来

01:00:37 Lean 语言：当数学证明变成强化学习的信号

01:04:30 自动化的“聪明” vs 智能：黎曼猜想能被机器攻克吗？

01:06:26 可证明软件：如何打造一个“不可黑掉”的数字世界

科学的基础设施：FRO 与差距地图

01:11:16 为什么科学家不只需要白板，还需要“哈勃望远镜”？

01:12:30 差距地图：寻找那些被风投和政府忽视的科学盲区

01:15:03 结语：科学的未来在于规模化与基础设施的协同

🌟 精彩内容

💡 大脑的“双系统”理论

Adam 提出，大脑并非一个单一的学习算法。皮层（学习子系统）是一个极其通用的预测机器，但它需要被皮层下区域（操纵子系统）引导。进化虽然没有给大脑预装知识，但它预装了一套极其精密的“奖励函数”，告诉大脑哪些信息是关键的。

“进化可能在损失函数里内置了大量的复杂性……就像有大量的 Python 代码，为大脑不同部分生成了一套特定的‘课程表’。”

🛠️ 摊销式推理（Amortized Inference）

为什么人类看到危险会瞬间躲避，而 AI 往往需要多步推理？Adam 解释了“摊销”的概念：大脑通过长期的演化和学习，将复杂的贝叶斯推理固化成了前馈的神经反应。

“大脑把一些东西‘固化’进了近似的前向传播里，而不需要像 AI 那样在测试时进行大量的采样计算。”

🚀 连接组学：大脑的“哈勃望远镜”

Adam 正在推动的 E11 bio 项目旨在通过降低成本来绘制完整的大脑连接组。他认为，如果我们能像人类基因组计划那样，将大脑图谱的绘制成本降低几个数量级，我们将能直接看清智能的物理结构。

“如果你能用几十亿美元就全面解决这个问题，在 GPU 价值数万亿美元的宏大背景下，这笔投资是极其合理的。”

💻 形式化数学与 Lean

作为 Lean 的董事会成员，Adam 认为数学证明是强化学习的完美赛道。因为证明的正确性是可以被机器自动验证的，这为 AI 提供了一个清晰的奖励信号。

“我们将能够拥有搜索证明并找到它们的工具，就像我们有 AlphaGo 一样。有了可验证的信号，它就能行。”

❤️ 科学的“差距地图”

Adam 提出了“专注研究组织”（FRO）的概念，旨在解决那些“对研究生太难，对初创公司太亏”的科学工程问题。他认为，现代科学正处于一个需要“规模效应”的转折点。

“很多科学领域都需要规模。我们缺少一些可扩展的基础设施，这在几乎每个领域都存在，甚至包括数学。”

🌐 播客信息补充

翻译克隆自：Dwarkesh Podcast

本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的；

使用 AI 进行翻译，因此可能会有一些地方不通顺；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介

本期我们克隆了：硅谷顶级科技风投播客《No Priors》Scaling Legal AI and Building Next-Generation Law Firms with Harvey Co-Founder and President Gabe Pereyra

本期嘉宾 Gabe Pereyra 的经历是技术理想主义与商业敏锐度结合的典范。作为 Harvey 的联合创始人兼总裁，他带领公司在短短三年半内，从两个人的 Airbnb 宿舍发展到拥有 500 名员工、服务上千家顶尖律所与财富 500 强企业的行业巨头。

在这期节目中，Gabe 将带我们深入法律 AI 的“深水区”。你将听到为什么法律文件本质上是“非结构化的代码”，以及 Harvey 如何通过构建法律 IDE 和智能体工作流，解决大模型在专业领域中的“幻觉”与上下文缺失问题。Gabe 还会揭秘他们独特的“前线部署工程师”模式，以及为什么在 AI 时代，组织生产力的提升远比个人 Copilot 更具颠覆性。无论你是关注 AI 落地应用的开发者，还是寻求行业转型的专业人士，这期关于“AI 如何啃下最硬骨头”的对话都不容错过。

👨‍⚕️ 本期嘉宾

Gabe Pereyra，Harvey 的联合创始人兼总裁。在创办 Harvey 之前，他曾是 DeepMind 和 Meta 的顶级 AI 研究员，专注于强化学习和大语言模型。他凭借深厚的技术背景和对法律行业的独特洞察，将 Harvey 打造成为法律 AI 赛道的领头羊。

⏱️ 时间戳

00:00 开场 & 嘉宾背景介绍

定义法律 AI 的新形态

02:14 规模与现状：从 1000 家客户看 Harvey 的增长曲线

03:52 拒绝平庸：为什么 Harvey 不是另一个 ChatGPT 包装盒？

05:46 法律即代码：如何像理解分布式系统一样理解大型并购案

08:06 协作平台化：连接财富 500 强法务部与顶级律所的纽带

智能体与法律推理的未来

09:51 模拟初级律师：将法律任务分解为智能体逻辑树

11:39 强化学习的挑战：在无法“单元测试”的法律界，如何构建奖励函数？

13:59 专家经验的数字化：顶级合伙人的“推理链”如何转化为模型能力

16:18 验证的艺术：如何判断一个持续三年的并购案是否“正确”？

商业实战与部署策略

19:21 前线部署工程师（FDE）：为什么 AI 公司也需要“重度交付”？

22:34 快速普及的秘诀：法律行业为何对 AI 展现出惊人的接纳度

24:14 终极追问：Harvey 为什么不直接开一家 AI 驱动的律所？

26:18 市场天花板：从一万亿法律市场到五万亿专业服务市场

创始人进化论

28:11 身份转变：从 DeepMind 研究员到 500 人公司的 CEO

31:47 早期信念：在 GPT-4 诞生前，如何坚定押注 AI+法律？

34:10 产品形态的演进：从文档上传到精准引文的“啊哈时刻”

38:11 预测未来：为什么组织生产力才是 AI 的下一个主战场

40:18 协作式 AI：人类与模型如何在大规模组织中高效协同

🌟 精彩内容

💡 法律文件的“代码属性”

Gabe 提出了一个深刻的见解：法律工作本质上是处理极其复杂的非结构化信息。一个大型基金的组建或跨国并购，其复杂程度不亚于架构一个分布式软件系统。Harvey 的价值在于将这些“文字代码”结构化，让 AI 能够像 IDE 辅助程序员一样辅助律师。

🛠️ 智能体（Agentic）工作流

Harvey 正在尝试将初级律师的工作模式“智能体化”。通过强化学习（RL），模型不再只是生成一段文字，而是学会去文档库找资料、查判例、起草备忘录，并根据合伙人的反馈进行迭代。这种对复杂任务的拆解和执行是法律 AI 走向深度的关键。

🚀 “前线部署”的重公司模式

与传统的轻量化 SaaS 不同，Harvey 成立了前线部署工程师团队。Gabe 认为，要让 AI 真正进入大银行或大律所的血液，必须有人坐在客户身边，帮他们梳理业务逻辑并连接计费、治理等内部系统。这种“重交付”模式正在成为企业级 AI 成功的标配。

❤️ 组织生产力 vs 个人生产力

Gabe 指出，目前很多人关注的是让个人效率提升 20%，但这并不直接等于公司产出提升 20%。未来的核心在于“组织生产力”——即如何通过 AI 基础设施，让成千上万人的大型组织（如沃尔玛或顶级律所）以全新的方式协同工作。

🌐 播客信息补充

本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的

使用 AI 进行翻译，因此可能会有一些地方不通顺；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介

本期我们克隆了：硅谷前沿技术播客《Latent Space》

本期嘉宾是拥有 45 年编程经验的传奇工程师 Steve Yegge。他曾先后在亚马逊、谷歌担任要职，目前在 Sourcegraph 推进 AI 革命。在这期充满能量的对话中，Steve 提出了一个足以让所有程序员“破防”的命题：Vibe Coding（氛围编程）。他认为，手动编写代码的时代已经终结，如果你在 2025 年还在依赖 IDE 逐行敲代码，你可能正在变成一名“实习生”。

Steve 深入探讨了为什么资深工程师最抵触 AI，如何利用多 Agent 系统实现 10 倍速的生产力飞跃，以及为什么我们正在进入编码的“约翰迪尔（John Deere）时代”。这不仅是一场关于工具的讨论，更是一场关于程序员身份重塑的深刻反思。无论你是刚入行的 AI 工程师，还是拥有数十年经验的老兵，这期节目都将刷新你对“编程”二字的认知。

👨‍⚕️ 本期嘉宾

Steve Yegge，资深软件工程师、技术博客作家。他拥有超过 45 年的从业经验，曾是亚马逊早期平台的关键架构师，并在谷歌领导过多个核心项目。他以犀利的技术评论著称，近期因提出“Vibe Coding”概念并在 Sourcegraph 推动 AI 编码工具 amp 而备受瞩目。

⏱️ 时间戳

00:00 开场 & 嘉宾介绍

Vibe Coding：一场关于效率的革命

01:18 资深工程师的身份危机：为什么 15 年经验可能成为 AI 时代的障碍

02:49 劲爆观点：2025 年还在用 IDE 的人，就是差劲的工程师

03:55 信任 AI 的代价：为什么你需要 2000 小时的磨合才能掌握“手感”

04:51 案例分享：当 12 年老兵遇到“无所畏惧”的年轻 Vibe Coder

从工具到工厂

08:45 告别手动编辑：为什么编辑 AI 生成的代码是极其昂贵的

10:43 为什么 Claude Code 还不够：我们需要的是 Agent 编排仪表盘

12:38 多 Agent 协作：构建一个会自动沟通、互相发邮件的“Agent 小村庄”

14:52 撞上“合并之墙”：当每个人的生产力提高 10 倍，代码合并成了最大的瓶颈

16:45 约翰迪尔时代：代码的“工厂化生产”与小农经济的终结

行业博弈与技术真相

21:21 后端与基础设施：AI 真的不能碰核心系统代码吗？

23:58 颠覆 Joel Spolsky：为什么在 AI 时代，“重写”比“修复”更香

25:58 巨头执行力大 PK：谷歌的转身、OpenAI 的混乱与 Anthropic 的防御墙

28:34 2025 展望：开源模型的崛起与“七个月差距”的缩小

工程师的未来

29:58 孩子们还该学编程吗？从学“语法”转向学“超集概念”

31:48 进阶技巧：为什么让 Agent 写代码去调用工具，比直接调用更有效

32:43 结语：科技再次变得有趣，欢迎来到不写代码的新世界

🌟 精彩内容

💡 10 倍生产力差距的残酷现实

Steve 透露，在 OpenAI 内部，拥抱 AI 工作流的工程师与坚持传统方式的人相比，生产力差异已达 10 倍。这种差距在绩效评估中是“刺眼且致命的”。他警告说，如果你不学习如何与 Agent 协作，一年后即使是世界级工程师也可能退化到实习生水平。

🛠️ 告别 IDE，拥抱“编排仪表盘”

Steve 认为 IDE 的核心是辅助人类写代码，但未来的趋势是人类不再写代码。因此，IDE 将被“Agent 编排仪表盘”取代。你早上上班的第一件事不是打开编辑器，而是询问你的 Agent 团队：“进展如何？哪些任务需要我决策？”

🚀 编码的“约翰迪尔时代”

这是一个极具启发性的比喻：现在的程序员就像用镰刀收割的农民，而 AI Agent 则是大型联合收割机。虽然很多人在情感上抵触这种“工厂化”，但农业机械化是不可阻挡的趋势。未来的顶尖工程师将是那些能够驾驭“代码工厂”的工厂主。

💻 颠覆“永远不要重写代码”

Joel Spolsky 曾告诫程序员永远不要重写代码，但 Steve 认为在 AI 时代这条规则已死。LLM 在“从零构建”上的表现远好于“在复杂旧代码中修补”。通过让 AI 不断生成更好的新版本来替换旧版本，将成为最快、最可靠的开发路径。

❤️ 给下一代的建议：学架构，而非语法

面对“孩子是否该学编程”的问题，Steve 的回答是肯定的，但路径变了。重点不再是学习特定语言的语法，而是学习函数、类、分布式系统等核心工程概念。只有理解了底层逻辑，你才能在更高维度上指挥 AI 协同工作。

🌐 播客信息补充

翻译克隆自：Latent Space Podcast

本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的

使用 AI 进行翻译，因此可能会有一些地方不通顺；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介

本期我们克隆了：顶尖 AI 思想辩论 Do LLMs Understand? AI Pioneer Yann LeCun Spars with DeepMind’s Adam Brown.

当“深度学习三巨头”之一、Meta 首席科学家 Yann LeCun，遇上 DeepMind 的物理学家兼 AI 研究员 Adam Brown，会碰撞出怎样的火花？这不仅是一场技术讨论，更是一场关于“智能本质”的哲学思辨。

现在的 LLM（大语言模型）真的理解它在说什么吗？为什么一个四岁的孩子只需要几千小时的视觉信息就能理解物理世界，而 AI 读遍了整个互联网却依然不会洗碗？Yann LeCun 在节目中直言不讳地指出“当前的机器学习烂透了”，并预言 LLM 永远无法达到人类水平的智能；而 Adam Brown 则以数学奥赛的突破为例，坚信智能可以从规模中涌现。从“修马桶测试”到“递归自我改进”，从“喷气发动机的安全性”到“2036 年的意识觉醒”，这期节目将带你穿透 AI 的泡沫，直击技术最底层的逻辑与未来。

👨‍⚕️ 本期嘉宾

Yann LeCun：Meta 首席人工智能科学家，纽约大学教授，2018 年图灵奖得主，被誉为“卷积神经网络之父”。他是 AI 乐观主义者，但也是当前 LLM 路径的坚定批判者。

Adam Brown：Google DeepMind 研究科学家，理论物理学家。他致力于从物理学视角研究 AI 的涌现行为，对当前神经网络范式的潜力持积极态度。

⏱️ 时间戳

00:00 开场 & 播客简介

神经网络的前世今生

01:10 飞机与鸟：神经网络是对大脑的模仿还是启发？

03:02 深度学习简史：从 80 年代的冷宫到 2010 年的翻红

05:08 物理学家的视角：简单规则如何产生复杂的“涌现”行为

LLM 的能力边界之争

06:40 快问快答：AI 真的有“理解”和“意识”吗？

08:50 LLM 的本质：预测下一个词真的能产生智能吗？

11:11 数据密度对比：为什么四岁小孩比最强 LLM 更高效？

14:24 样本效率 vs 最终能力：AlphaZero 带来的启示

17:07 智能的证明：LLM 在国际数学奥林匹克竞赛中的表现

19:53 黑箱中的“理解”：我们能看透 AI 的神经元电路吗？

通往 AGI 的不同路径

23:16 “机器学习烂透了”：为什么 AI 至今不会修马桶？

28:45 乐观派 vs 怀疑派：我们正处于虚假的曙光中吗？

34:43 莫拉维克悖论：语言很简单，现实世界很复杂

35:46 JEPA 与世界模型：超越生成式 AI 的下一场革命

安全、控制与未来社会

41:05 智能 vs 自主：为什么聪明的 AI 不一定危险？

45:33 目标不一致风险：当 AI 学会欺骗与勒索

48:16 开源的必要性：防止数字世界被少数巨头垄断

49:49 喷气发动机类比：AI 安全本质上是一个工程问题

意识与道德的终极追问

51:40 哲学家提问：AI 产生意识还需要缺少什么？

54:13 意识的拆解：主观体验、道德价值与硅基生命

56:39 2036 年的愿景：一场由 AI 驱动的新文艺复兴

🌟 精彩内容

💡 语言不是智能的全部

Yann LeCun 提出了一个发人深省的观点：人类社会过于迷信语言。我们认为能言善辩的人聪明，所以觉得 LLM 聪明。但实际上，语言的信息量极低，真正的智能存在于对物理世界的感知和预测中。

“一个四岁孩子看到的视觉数据量，和最大的 LLM 用有史以来所有文本训练的数据量是相当的。但孩子学会了物理常识，AI 却没有。”

🛠️ 莫拉维克悖论与“修马桶”测试

为什么 AI 能通过律师考试却不会修马桶？Yann 认为 LLM 这种“离散 token 预测”的架构在处理连续、高维、充满噪音的现实世界时完全失效。他提出的 JEPA 架构试图让 AI 像人类一样学习“抽象表示”，而不是死磕像素。

“你永远不可能用大语言模型驱动的机器人来给你修马桶，它根本无法理解现实世界。”

🚀 涌现的魅力：从简单到复杂

Adam Brown 从物理学角度反驳，认为我们不应低估简单规则的力量。就像进化论的唯一目标是“繁衍”，却创造了生物多样性；LLM 的目标只是“预测下一个词”，却在过程中被迫学会了逻辑、数学和编程。

“为了最准确地预测下一个词，它意识到自己需要搞明白怎么做数学，并在内部建立了一个电路。”

🛡️ AI 安全是工程问题，而非科幻剧本

对于“机器人接管世界”的恐惧，Yann 表现得非常淡定。他认为智能不等于自主，我们可以像设计喷气发动机一样，为 AI 设定明确的目标函数和不可逾越的护栏。

“超级智能的出现不会是一个‘事件’，它是一点一点发生的。我们会像信任双引擎飞机飞越大洋一样信任 AI。”

🌈 2036：意识的拆解

当被问及 AI 何时会有意识时，Adam 给出了 2036 年这个具体的数字。他认为意识并非某种神秘的“灵魂”，而是信息处理到一定程度后的产物。未来我们可能会发现，意识可以被拆解成不同的能力维度。

“我们终于有了一个智能的模型生物，也许我们可以把它变成一个意识的模型生物，来回答困扰人类已久的问题。”

🌐 播客信息补充

本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的

使用 AI 进行翻译，因此可能会有一些地方不通顺；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介

本期我们克隆了：挪威主权财富基金官方播客《In Good Company》Why Doubt Is a Superpower | Nobel Prize–Winning Physicist Saul Perlmutter | In Good Company

本期嘉宾是 2011 年诺贝尔物理学奖得主 Saul Perlmutter。他不仅是一位揭示了“宇宙加速膨胀”奥秘的顶尖科学家，更是一位致力于推广“科学思维”的思想家。在不确定性日益增加的今天，我们该如何像科学家一样思考？Saul 在节目中分享了他新书《第三个千年的思维方式》中的核心理念。你会听到：为什么“怀疑”不是弱点而是超能力？如何利用“盲分析”和“情景规划”来对抗投资和生活中的确认偏误？为什么在 AI 时代，批判性思维比以往任何时候都更重要？这不仅是一场关于天体物理的深度对谈，更是一份关于如何在复杂世界中做出明智决策、与他人高效协作的实战指南。

👨‍⚕️ 本期嘉宾

Saul Perlmutter，加州大学伯克利分校物理学教授，劳伦斯伯克利国家实验室资深科学家。因发现宇宙加速膨胀而荣获 2011 年诺贝尔物理学奖。他是“超新星宇宙学计划”的负责人，也是《第三个千年的思维方式》（Third Millennium Thinking）一书的合著者。他致力于跨学科研究，在伯克利开设了深受学生欢迎的批判性思维课程。

⏱️ 时间戳

00:00 开场 & 嘉宾介绍

科学思维：解决全球问题的“金钥匙”

01:47 现状：我们有解决问题的技术，却缺乏沟通的能力

03:13 什么是“第三个千年的思维方式”：科学思维的社会化应用

04:40 概率思维：告别非黑即白，给你的观点“打个折”

决策的艺术：如何对抗大脑的陷阱

05:36 自信的谦逊：在 95% 的找错时间与“我们能行”之间寻找平衡

14:45 盲分析（Blind Analysis）：如何在看到结果前排除偏见

18:24 投资中的应用：如何避免“羊群效应”并独立收集信息

22:08 情景规划：考虑四个极端的未来，寻找最稳健的策略

25:34 直觉与模式识别：逻辑头脑如何审视潜意识的产物

团队协作与科学文化

06:36 集体傲慢 vs. 个体谦逊：为什么需要和意见不合的人交谈

11:33 理想团队的画像：高能力、低自我、享受共同思考

13:35 室内乐的启示：从小提琴老师那里学到的精准与协作

33:15 家庭背景：科学家父亲与社会学母亲的跨界影响

AI 时代的挑战

34:11 AI 是双刃剑：它能加速落地，也能让你产生“掌握知识”的错觉

35:12 批判性思维工具包：用科学概念判断 AI 是否在“糊弄”你

宇宙的宏大叙事

36:05 宇宙学家的视角：站在微观粒子与宏观结构的交汇点

38:09 视觉化宇宙：从“无限的汤”到星罗棋布的星系

40:15 火星探险：为什么诺奖得主不想买埃隆·马斯克的单程票

42:06 诺奖背后的故事：寻找超新星的 11 年长跑与“暗能量”的发现

45:02 竞合关系：在激烈的科学竞赛中，对手也可以是盟友

总结与建议

47:03 客观真理：它是连接不同项目、修正模型的唯一锚点

49:04 给年轻人的建议：屏蔽末日论调，用建设性的参与管理不确定性

🌟 精彩内容

💡 怀疑是科学家的“刹车”

Saul 认为，科学的成功不在于绝对的确定性，而在于对错误的不断追求。实验科学家 95% 的时间都在找错。这种“怀疑”并不是软弱，而是防止掉入思维陷阱的刹车。但开车不能只靠刹车，还需要“我们能搞定”的自信作为油门。

🛠️ “盲分析”对抗确认偏误

在科学实验中，为了防止科学家只看到自己想看到的结果，他们会使用“盲分析”：在所有测量和纠错完成之前，绝不打开装有最终数值的“信封”。这种方法同样可以应用在医疗决策或投资分析中，帮助我们跳出信息茧房。

🚀 投资决策中的“反羊群思维”

当一个团队讨论投资（如苹果股票）时，Saul 建议不要让大家轮流发言，因为后发言的人会深受影响。更好的做法是让所有人独立写下想法，然后再汇总讨论。利用“情景规划”去推演不同驱动力下的极端情况，能让决策更具稳健性。

🌌 宇宙加速膨胀与“暗能量”

Saul 分享了那个震惊世界的发现：原本以为宇宙膨胀会因引力减速，结果测量发现它在加速。这暗示了“暗能量”的存在。他描述了寻找超新星的艰辛——这些宇宙中的“标准烛光”几百年才爆炸一次，且转瞬即逝，需要全球团队的极致协作。

❤️ 跨越代际的“科学乐观主义”

面对充满不确定性的未来，Saul 鼓励年轻人不要被吓人的新闻劝退。他认为每一代人都有机会通过协作去创造想生活的世界。年轻人寻找长辈错误的冲动，正是科学不断进步的动力之一。

🌐 播客信息补充

翻译克隆自：Norges Bank Investment Management: Why Doubt Is a Superpower | Nobel Prize–Winning Physicist Saul Perlmutter | In Good Company

本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的

使用 AI 进行翻译，因此可能会有一些地方不通顺；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介

本期我们克隆了：硅谷顶尖 AI 技术播客《Latent Space》One Year of MCP — with David Soria Parria and AAIF leads from OpenAI, Goose, Linux Foundation

当今 AI 领域最激烈的竞争对手竟然坐到了同一个录音室里？本期节目邀请到了 Anthropic 的 MCP 项目负责人 David Soria Parra，以及来自 OpenAI、Block 和 Linux 基金会的领袖们。我们将深度拆解过去一年席卷开发者社区的 MCP（Model Context Protocol）协议。

你会听到 MCP 如何从一个 Anthropic 内部的工具，演变成由 OpenAI、微软、谷歌共同支持的行业事实标准。David 详细分享了 MCP 在身份验证、长时任务（Tasks）以及 UI 交互（MCP Apps）上的技术演进与踩过的坑。此外，节目下半场揭秘了“Agent AI 基金会”成立背后的故事：为什么这些巨头愿意放下竞争，共同维护一个中立的开源生态？这不仅是一场关于技术协议的讨论，更是关于未来 Agent 协作范式的终极预演。

👨‍⚕️ 本期嘉宾

David Soria Parra：Anthropic 技术成员，MCP（Model Context Protocol）共同创造者及核心维护者。

Jim Zemlin：Linux 基金会 CEO，拥有 22 年开源基金会运作经验。

Nick Cooper：OpenAI 代表，负责协议与开放生态系统，MCP 核心贡献者。

Brad：Block 首席工程师，开源编码 Agent 工具 Goose 的原作者。

⏱️ 时间戳

00:00 开场：第一次在录音室集结的顶级阵容

MCP 的技术进化论

01:09 回顾 MCP 这一年：从感恩节的灵感到行业事实标准

06:31 身份验证的深水区：为什么企业级应用需要重构 OAuth

10:54 传输层的教训：从标准 I/O 到可流式 HTTP 的取舍

16:34 模型 vs 协议：代码模式（Code Mode）会取代 MCP 吗？

20:52 MCP vs Skills：垂直领域知识与横向连接层的协作

23:53 Anthropic 的“狗粮”：内部网关如何赋能研究员自助开发工具

27:32 注册中心与发现机制：未来 Agent 如何自主“安装”新技能

定义 Agent 的新边界

38:05 MCP Tasks：为长时运行的异步 Agent 提供一等公民支持

45:06 消费级愿景：让用户在感知不到 MCP 的情况下连接全世界

47:37 MCP Apps：为什么我们需要在聊天框里直接选飞机座位？

53:40 开发者号召：如何为 MCP 生态贡献高质量的 SDK

Agent AI 基金会（AAIF）的内幕

57:01 世纪联手：OpenAI 与 Anthropic 是如何达成共识的？

01:02:54 Goose 的角色：参考实现如何推动协议的快速迭代

01:07:32 治理原则：为什么“品味塑造者”比厂商委员会更重要

01:12:27 为什么是现在？Agent 领域需要自己的“Linux 基金会”

01:18:01 利益驱动：捐赠项目给基金会到底能得到什么？

01:21:34 未来展望：告别“每三秒点一次同意”的异步 Agent 时代

🌟 精彩内容

💡 MCP 的“渐进式发现”哲学

David 解释了如何通过“渐进式发现”机制解决上下文臃肿问题。模型不需要一次性加载所有工具，而是根据任务需求动态获取信息。这使得 MCP 能够支撑成千上万个工具的接入，而不会拖慢模型的推理速度。

🛠️ 代码模式与协议的共生

针对“模型会写代码了，还要协议干嘛”的质疑，David 指出 MCP 提供了 AI 友好的接口文档和身份验

📝 本期播客简介

本期我们克隆了：斯坦福顶尖科学播客《Huberman Lab》The Science & Practice of Perfecting Your Sleep | Dr. Matt Walker

睡眠不仅是休息，更是一场极其复杂的生理芭蕾。本期嘉宾 Matt Walker 博士是加州大学伯克利分校的神经科学教授，也是全球公认的睡眠权威。在这场深度对话中，他将带我们揭开睡眠的神秘面纱：为什么大脑在梦境中比清醒时更活跃？为什么咖啡因会带来“崩溃”式的二次疲劳？酒精到底是在帮你入睡还是在“敲晕”你的大脑？从光线对生物钟的校准，到补剂（褪黑素、镁、甚至猕猴桃）的真实红利，再到性生活如何改善睡眠质量，Matt Walker 提供了一套基于严谨科学证据的睡眠优化方案。无论你是失眠困扰者，还是追求极致表现的效率控，这期节目都将重塑你对“闭眼之后”那 8 小时的认知。

👨‍⚕️ 本期嘉宾

Matt Walker 博士，加州大学伯克利分校神经科学与心理学教授，人类睡眠科学中心创始人。他是国际畅销书《我们为什么要睡觉》（Why We Sleep）的作者，被誉为“睡眠外交官”。他致力于向公众传播睡眠科学，通过研究揭示睡眠对学习、记忆、情绪及长寿的深远影响。

⏱️ 时间戳

00:00 开场 & 嘉宾介绍

睡眠的生理芭蕾

02:56 什么是睡眠：一场重置身心健康的复杂生理协作

06:17 快速眼动睡眠（REM）：为什么大脑活跃时身体必须“瘫痪”？

11:58 深度睡眠（NREM）：成千上万神经元的“圣歌”式同步

17:18 九十分钟周期：前半夜与后半夜睡眠结构的博弈

睡眠习惯的误区与真相

28:31 半夜醒来正常吗？理解“睡眠效率”与 85% 原则

33:59 戳破“超人睡眠法”：为什么多相睡眠对成年人有害

36:51 光线杠杆：如何利用清晨阳光校准你的生物钟

物质与睡眠的博弈

42:36 咖啡因真相：它是如何通过“劫持”腺苷受体来欺骗大脑的

50:53 咖啡因崩溃：一场由于腺苷堆积引发的化学“海啸”

54:08 咖啡因半衰期：为什么下午的一杯咖啡会毁掉你的深度睡眠

59:57 酒精迷思：它不是助眠剂，而是敲晕大脑的“镇静剂”

01:05:11 酒精的代价：生长激素分泌减半与睡眠碎片化

01:15:57 大麻与 CBD：THC 对梦境的抑制与 CBD 的潜在机制

助眠补剂全解析

01:25:12 褪黑素：它是“发令员”而非“运动员”，且存在严重的剂量误区

01:42:38 镁的真相：苏糖酸镁真的能穿透血脑屏障吗？

01:50:10 意外的发现：酸樱桃汁与猕猴桃对睡眠时间的显著提升

02:00:11 色氨酸与血清素：为什么盲目补充可能导致睡眠紊乱

生活方式与高效技巧

02:05:58 午睡心法：NASA 的 26 分钟法则与避免“睡眠压力”流失

02:20:42 性、高潮与睡眠：激素释放如何开启天然的入睡开关

02:33:43 非传统技巧：为什么昨晚没睡好，今天反而“什么都别做”

02:38:31 烦恼日记：通过关闭“情绪标签页”减少 50% 的入睡时间

02:41:47 卧室禁忌：拿走所有钟表，停止对时间的灾难化想象

🌟 精彩内容

💡 睡眠是原始状态，清醒才是代价

Matt Walker 提出了一个颠覆性的视角：或许睡眠才是生命的原始基准状态，而清醒是为了生存而演化出的短暂偏离。这种观点强调了睡眠作为生物本能的不可动摇性，任何试图削减睡眠的行为都是在挑战数百万年的演化智慧。

🛠️ 咖啡因的“海啸”预警

你以为咖啡因给了你能量？不，它只是堵住了大脑感知疲劳的“耳朵”。Matt 详细解释了腺苷（Adenosine）如何像高压锅里的蒸汽一样不断累积，而咖啡因只是暂时按住了阀门。一旦咖啡因代谢掉，累积的腺苷会瞬间涌入受体，导致严重的午后崩溃。

🚀 酒精：伪装成助眠剂的“镇静剂”

很多人习惯睡前喝一杯，但 Matt 警告说，酒精诱发的是“镇静”而非“睡眠”。它会阻断对情绪修复至关重要的 REM 睡眠，并导致生长激素分泌量下降超过 50%。这种“碎片化”的无意识状态无法提供真正的修复功能。

💻 补剂的剂量军备竞赛

Matt 指出市面上 5mg 或 10mg 的褪黑素属于“超生理剂量”，远超人体自然分泌水平。科学研究表明，真正有效的剂量可能仅需 0.1mg 到 0.3mg。此外，他分享了关于酸樱桃汁和猕猴桃的惊喜数据，这些天然食物在改善睡眠时长方面的表现甚至优于许多合成补剂。

❤️ 睡眠与关系的双向奔赴

睡眠不足会直接导致同理心下降和攻击性增加。Matt 分享的研究显示，女性每多睡一小时，次日发生性亲密的意愿增加 14%。睡眠不仅是个人健康问题，更是维持长期亲密关系的“润滑剂”。

🌐 播客信息补充

本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的

使用 AI 进行翻译，因此可能会有一些地方不通顺；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介

本期我们克隆了：AI Engineer 大会技术分享

为什么早期的自动化编程工具都很“烂”，而现在的 Claude Code 和 Cursor 却让人直呼好用？本期嘉宾 Jared Zoneraich（PromptLayer 创始人）将带我们拆解 Claude Code 的内部逻辑。他提出了一套反直觉的观点：最好的 Agent 架构不是复杂的流程图，而是一个简单的 While 循环；与其花精力写代码防止模型幻觉，不如“让开道路”信任模型的自主性。

在这场深度技术分享中，你将听到：Claude Code 如何利用 Bash 命令作为万能适配器？为什么“上下文”是 Agent 最大的敌人？以及在 Droid、Codex、Cursor 丛生的时代，开发者该如何选择和构建自己的 AI 工作流。这不仅是一次对 Claude Code 的拆解，更是一次关于 AI 工程化思维的深度洗礼。

👨‍⚕️ 本期嘉宾

Jared Zoneraich，PromptLayer 的创始人。PromptLayer 是全球领先的 Prompt 管理与评估平台，帮助开发者更严谨地构建和测试 AI 应用。Jared 是 AI 工程领域的资深专家，致力于探索 Agent 架构与 Prompt 工程的最佳实践。

⏱️ 时间戳

00:00 开场 & 嘉宾介绍

编程 Agent 的进化与突破

01:05 为什么现在的编程 Agent 终于“能用”了？

04:23 历史回顾：从 ChatGPT 复制粘贴到 Claude Code 的无头模式

05:45 核心突破：更好的模型能力 vs 更简单的架构设计

07:48 “AGI 药丸”心态：不要为解决今天的问题而过度设计

深度拆解 Claude Code 内部原理

08:55 架构哲学：简单胜于复杂，扁平胜于嵌套

11:02 核心主循环：四行代码构建的“While 循环”革命

12:39 工具箱揭秘：为什么 read、grep 和 edit 比 RAG 更高效

14:58 Bash 的魔力：作为 Agent 万能适配器的 shell 工具

16:55 待办事项（Todo Lists）：如何通过非确定性指令增强可控性

上下文与 Agent 管理

19:35 上下文管理：Agent 最大的敌人是“变笨”

20:37 告别 DAG：为什么复杂的流程图是工程噩梦

25:47 沙盒与安全：如何在 YOLO 模式与企业安全间平衡

26:47 子 Agent（Sub-agents）：研究员、审查员与任务分发逻辑

31:03 Skills 功能：如何构建可扩展的系统 Prompt

主流编程 Agent 横向对比

34:34 未来趋势：超级工具调用 vs 自适应推理预算

38:14 “AI 治疗师”比喻：为什么 AI 产品没有全局最优解

40:01 各显神通：Codex 的 Rust 并发、Amp 的交接模式、Cursor 的速度优势

45:24 评估与测试：如何通过“Agent Smell”判断 Agent 的健康度

实战建议与 Q&A

52:04 总结：信任模型、简单设计、Bash 为王

53:43 Q&A：如何强制 Agent 的执行顺序？

56:39 TDD 与规范驱动：AI 时代的工程原则

59:14 关于 PromptLayer：如何招聘与协作

🌟 精彩内容

💡 信任模型（Trust the Model）

Jared 强调，开发者往往喜欢过度优化脚手架代码来防止模型出错。但 Claude Code 的成功证明了：给模型工具，然后“让开”。随着模型能力的提升，很多现在的硬编码逻辑在三个月后都会变成累赘。

🛠️ Bash 是 Agent 的“圣杯”

在所有的工具调用中，Bash 是最重要的。因为它简单、健壮，且拥有海量的互联网训练数据。Claude Code 通过在沙盒中运行 Python 脚本或测试用例，实现了极高的灵活性。

🚀 告别复杂的 DAG 流程

过去两年，大家都在构建拥有成百上千个节点的 DAG（有向无环图）。但现在，这种“工程噩梦”正在被简单的循环取代。依赖模型的自主探索，比硬编码每一个 if/else 语句效果更好，维护成本也更低。

🧠 上下文压缩艺术

上下文越长，模型越笨。Claude Code 通过 H2A 缓冲区管理 IO，并在上下文达到 92% 阈值时进行智能压缩。Jared 建议，将长期记忆存储在沙盒的 Markdown 文件中，而不是全部塞进对话框。

🎨 AI 产品的“品味”与视角

不同的编程 Agent 代表了不同的哲学：Claude Code 追求极致的命令行简洁，Cursor 追求 UI 交互的快感，而 Amp 探索免费与广告模式。开发者应根据“品味”选择最适合自己工作

📝 本期播客简介

本期我们克隆了：Forbes 科技访谈系列 Why This Entrepreneur Believes We Should Build Data Centers In Space

当马斯克在德州疯狂测试“星舰”时，有一群人已经盯上了太空里的“无限能源”。本期嘉宾 Philip Johnson 是 Star Cloud 的创始人，这家由英伟达支持的初创公司，刚刚完成了将 H100 芯片送上太空的壮举。

为什么在地球上建数据中心越来越难？为什么“星舰”的成功是太空算力的“iPhone时刻”？在没有空气和水的真空里，价值数万美金的 GPU 如何散热？Philip 将带我们揭开“天基数据中心”的神秘面纱。这不仅是一个关于航天技术的硬核分享，更是一场关于 AI 算力成本、能源革命以及人类如何跳出地球资源限制的深度对话。

👨‍⚕️ 本期嘉宾

Philip Johnson，Star Cloud CEO 兼联合创始人。他曾任职于麦肯锡，长期与各国政府航天机构合作。他创办的 Star Cloud 致力于利用大幅下降的发射成本，在太空构建大规模 AI 算力基础设施，目前已获得英伟达、Y Combinator 等顶级机构投资。

⏱️ 时间戳

00:00 开场 & 嘉宾介绍：把英伟达 GPU 送上天

为什么是太空？

00:48 地球的瓶颈：能源限制与漫长的基建审批周期

01:11 太空的诱惑：无限太阳能与低至 0.5 美分的电力成本

01:59 规模想象力：四公里见方的太阳能板与“太空发电厂”

星舰：改变游戏规则的变量

03:01 范式转移：为什么“全重复使用”是航天成本的分水岭

03:35 算一笔经济账：从每公斤 6500 美元到 10 美元的成本暴降

硬核工程挑战

04:34 实验报告：第一块在太空运行的 H100 验证了什么？

05:41 散热难题：在真空中，如何利用“辐射冷却”给芯片降温

07:12 制造挑战：把散热器的成本降低 100 倍

算力市场的未来

08:26 需求预测：为什么十年后一半的新增算力会在太空？

09:47 时间表：等待“星舰”量产后的成本反转曲线

10:09 辐射防护：如何用粒子加速器测试芯片的“防弹衣”

11:03 硬件折旧：太空中的 H100 会比地球上更耐用吗？

创业初衷与商业路线图

11:52 创始团队背景：从 SpaceX 到微软数据中心的大牛组合

12:44 灵感来源：如果能量传输损耗大，那就把数据中心搬到能源源头

13:45 商业化第一步：为卫星提供“边缘计算”，解决天地传输带宽瓶颈

15:58 终极愿景：二十年后，把高能耗工业留在太空，把绿色留给地球

🌟 精彩内容

💡 能源是 AI 的第一生产力

Philip 指出，在地球上新建百兆瓦级数据中心，能源审批可能耗时数十年。而太空拥有 24 小时不间断的太阳能。一旦发射成本通过“星舰”降下来，太空电力的边际成本几乎为零。

🚀 “星舰”带来的成本奇迹

目前的航天就像“飞一次纽约就拆一架飞机”。而星舰的完全可重复使用，将发射成本从每公斤数千美元压低到两位数。这意味着在太空建数据中心的综合成本，未来将比地球便宜 10 倍。

❄️ 物理学的挑战：辐射散热

在没有空气对流的太空，散热全靠红外辐射。Star Cloud 研发了巨大的薄膜散热器，利用温差将热量排向零下 270 摄氏度的宇宙深空。这不再是科学难题，而是如何大规模廉价制造的工程挑战。

🛡️ 保护最脆弱的“大脑”

AI 芯片在高能粒子轰击下极易失效。Philip 透露，他们利用粒子加速器对 H100 进行了“轰炸测试”，找出了芯片最脆弱的部位，并结合物理屏蔽与软件算法，让最先进的商用芯片能在恶劣的辐射环境中存活。

🌐 播客信息补充

翻译克隆自：Forbes: Why This Entrepreneur Believes We Should Build Data Centers In Space

本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的

使用 AI 进行翻译，因此可能会有一些地方不通顺；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介

本期我们克隆了：OpenAI 顶尖研究员 Noam Brown 在加州大学伯克利分校（UC Berkeley）的深度技术分享。

Agentic AI MOOC | UC Berkeley CS294-196 Fall 2025 | Multi-Agent AI by Noam Brown

Noam Brown 是 AI 界的传奇人物，他主导开发的 Libratus 和 Pluribus 在德州扑克领域击败了人类顶尖高手，随后的 Cicero 更是首次在复杂的《外交》策略游戏中展现了超人类的谈判与协作能力。在这场演讲中，Noam 并没有空谈概念，而是从博弈论的底层逻辑出发，深刻揭示了为什么在语言模型时代，我们不能简单复刻 AlphaGo 的成功路径。他提出了一个极具争议但也极具洞察力的观点：如果你的目标是让 AI 学会和人类合作，那么想绕开人类数据是行不通的。无论你是对 AI 智能体（Agent）感兴趣的开发者，还是关注通用人工智能（AGI）演进路径的观察者，这期关于多智能体协作、推理扩展和博弈论心法的分享都不容错过。

👨‍⚕️ 本期嘉宾

Noam Brown，OpenAI 研究员。曾就职于 Meta AI（FAIR）。他是世界上首个在六人桌德州扑克中击败顶尖职业选手的 AI——Pluribus 的核心作者，也是《外交》游戏 AI——Cicero 的主导者。他的研究重点在于如何通过多智能体强化学习和搜索算法，让 AI 在复杂、不完美信息的环境中实现战略推理与协作。

⏱️ 时间戳

00:00 开场 & 播客简介

AI 进化的底层逻辑

02:02 消失的最后一块拼图：为什么 LLM 还没实现像 AlphaGo 那样的自我提升？

04:04 偏见警告：我们对“自我博弈”的直觉是否被围棋过度拟合了？

06:17 德州扑克悖论：赢钱最多的人，不一定是技术最无懈可击的人

08:49 稳健性的代价：假设对手能看穿你的“模型权重”

不完美信息游戏的博弈心法

12:39 算法的局限：为什么 PPO 算法玩不好“石头剪刀布”？

15:58 概率的艺术：在扑克和现实中，动作的价值取决于你“多久做一次”

18:33 击败人类选手的算法：从虚拟博弈到遗憾匹配（Regret Matching）

22:36 寻找万能算法：跨越单智能体与多智能体强化学习的鸿沟

合作的真相：人类数据是绕不开的坎

23:36 零和博弈的冷酷：为什么在纯粹的对抗中，沟通毫无意义？

25:26 争议观点：想让 AI 学会与人合作，不使用人类数据是“死路一条”

26:52 最后通牒博弈：当数学上的“最优解”遇到感性的人类

31:21 《外交》游戏挑战：如何在充满了背叛与信任的环境中建模？

34:12 均衡的陷阱：为什么一个完美的 AI 进场后会被人类“虐惨”？

37:07 Cicero 的成功公式：模仿人类 + 推理扩展 + 强化学习环境

多智能体 AI 的新范式

39:14 o1 系列的启示：当推理性能曲线开始疯狂左移

41:51 延迟瓶颈：为什么多智能体协作是解决串行思维链（CoT）的关键

42:31 并行扩展技术：共识（Consensus）与 N 中选优的利弊权衡

44:45 路由即智能：多样性是多智能体系统的核心力量

46:01 现状与未来：自然语言已成为智能体之间完美的“沟通协议”

48:19 临界点：为什么现在是投身多智能体 AI 研究的绝佳时机

🌟 精彩内容

💡 AI 进化的三部曲

Noam 认为 AI 突破遵循：预训练（学人类）、推理扩展（想更久）、自我提升（超人类）。LLM 目前卡在了第三步。在双人零和游戏（如围棋）中，自我博弈能完美解决问题，但在复杂社会场景中，这远远不够。

🛠️ 为什么 PPO 算法会失效？

在不完美信息游戏中，简单的强化学习算法（如 PPO）无法收敛到纳什均衡。Noam 解释道，这是因为 AI 必须学会“随机化”自己的策略。如果你总是诈唬，价值就会归零；你必须以精确的概率平衡动作，这需要更高级的博弈论算法。

🚀 合作的“死路”论

这是全场最深刻的洞察：在“最后通牒博弈”中，数学最优解是只给对方一分钱，但现实中人类会因为觉得不公平而拒绝。Noam 认为，文化差异和人类的感性无法通过纯算力模拟出来。要学合作，必须喂给 AI 人类数据。

💻 Cicero：谈判 AI 的巅峰

通过《外交》游戏，Noam 展示了如何让 AI 既能像人一样说话谈判（Cicero），又能保持强大的战略推理。它的核心逻辑不是寻找数学上的绝对完美，而是寻找针对人类群体的“最优响应”。

🌐 播客信息补充

翻译克隆自：

本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的

使用 AI 进行翻译，因此可能会有一些地方不通顺；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介

本期我们克隆了：知名科学播客《Huberman 实验室》（Huberman Lab）

你所以为的、最适合你的学习方法，很可能就是错的。斯坦福大学神经生物学教授 Andrew Huberman 本期将彻底颠覆你的认知。他指出，最好的学习方法不是为了“记住”，而是为了“对抗遗忘”。在这期节目中，Huberman 教授利用神经科学的前沿研究，拆解了大脑如何通过神经可塑性来重塑连接。你将听到为什么“突击测验”其实是学习者的好朋友，为什么反复阅读课本会让你产生掌握知识的错觉，以及如何利用 NSDR（非睡眠深度休息）和“间隙效应”让大脑的学习效率提升一倍。这不仅是一场关于大脑机制的科学讲座，更是一套人人可用的高效学习实战协议。

翻译克隆自：Optimal Protocols for Studying & Learning

文字版精华：见微信公众号（点击跳转）

👨‍⚕️ 本期嘉宾

Andrew Huberman，斯坦福大学医学院神经生物学和眼科学教授。他主持的《Huberman Lab》是全球最受欢迎的健康与科学类播客之一。他致力于将深奥的神经科学转化为简单、免费且实用的生活工具，帮助大众优化睡眠、专注力、学习能力和身心健康。

⏱️ 时间戳

00:00 开场 & 播客简介

重新定义学习

01:48 反直觉的学习观：学习是为了对抗自然遗忘

05:23 神经可塑性真相：加强与削弱连接，而非增加新神经元

09:10 第一次小测验：感受“提取困难”对大脑的信号作用

专注与巩固的生物学

11:34 学习第一步：专注力是有限的“腺苷预算”

15:08 费劲是好事：那种“苦差事”感正是神经改变的信号

16:42 专注力训练：正念冥想与视觉聚焦的科学原理

18:20 学习第二步：神经连接的实际重塑发生在睡眠中

21:12 NSDR 协议：如何通过 10 分钟深度休息加速可塑性

顶尖学习者的实战习惯

22:42 医学生研究：表现最好的学生如何安排日程

24:03 排除干扰：独处学习与收起手机的必要性

25:21 “看一遍，做一遍，教一遍”：通过输出倒逼输入

27:45 节奏适应：大脑如何根据固定时间表进入专注状态

30:01 抱负感：长远动机如何支撑枯燥的学习过程

测试：最强的学习引擎

32:26 核心发现：测试是建立知识而非仅仅评估知识

35:44 1917 年的经典实验：思考与回忆远胜于反复阅读

38:24 信心陷阱：为什么“学四次”的人自我感觉良好却考得最差

43:38 心理练习：Huberman 如何在脑海中“飞越”神经解剖结构

46:38 纠错的价值：意识到“不知道”才是学习的开始

进阶学习协议

48:40 黄金时间：接触新知识后 24 小时内测试效果翻倍

53:07 熟悉感 vs. 掌握感：识别答案不等于拥有知识

01:00:37 开放式问题：为什么简答题比选择题更能对抗遗忘

01:05:34 间隙效应：在学习中插入 10 秒停顿的奇效

01:08:48 情绪与记忆：中世纪“冷水浴”背后的肾上腺素逻辑

01:15:33 交错学习：通过注入随机故事增强大脑的重复频率

01:17:18 终极境界：从熟练、精通到大师级的跨越

🌟 精彩内容

💡 学习即“防遗忘”疫苗

Andrew Huberman 提出一个核心观点：我们不应为了记住而学习，而应为了“对抗遗忘”而学习。大脑每天会丢弃大部分信息，只有通过主动的、甚至感到费劲的干预，才能给神经系统打下“预防针”，将其锁定在回路中。

🛠️ 专注力是一种有限预算

专注力并非取之不尽。Huberman 解释了腺苷如何限制我们的注意力，并推荐了每天 5-10 分钟的正念冥想或视觉聚焦练习。这些练习本质上是在训练大脑“把飘走的注意力拉回来”的肌肉记忆。

🚀 警惕“虚假信心陷阱”

研究显示，反复阅读材料的人对考试最有信心，但实际表现最差；而不断测试自己的人虽然感到痛苦且缺乏信心，最终成绩却名列前茅。这是因为反复阅读只增加了“熟悉感”，而测试才真正建立了“回忆能力”。

💻 间隙效应（Gap Effect）

在学习过程中随机停顿 10 秒，大脑的海马体会以正常速度的 20-30 倍回放刚刚接触的信息。这种“离线重放”机制能让你在不增加学习时长的情况下，获得更多的神经重复次数。

❤️ “看、做、教”三部曲

顶尖学习者不仅独自钻研，更会主动教给他人。通过将复杂知识简化并输出，学习者能精准发现自己的知识盲区。正如 Huberman 所说：“教一遍”是检验掌握程度的最高标准。

🌐 播客信息补充

本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的

使用 AI 进行翻译，因此可能会有一些地方不通顺；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介

本期我们克隆了：访谈类播客《Extraordinary》

本期嘉宾 Gabriel Peterson 的经历足以打破所有关于“学历”的刻板印象。他是一名来自瑞典的高中辍学生，在没有大学学位的情况下，通过自学成为了 OpenAI 的研究科学家，目前正在 Sora 团队参与构建通用人工智能。在这期节目中，Gabriel 详细拆解了他如何利用 ChatGPT 建立起一套“自上而下”的递归式学习法，在短短几天内掌握传统教育需要数年才能触及的深度技术。他还会分享自己早期在创业公司睡沙发垫、带着 A3 纸去“扫楼”推销产品的疯狂经历，以及他如何通过高主动性的“Demo 策略”和“反馈机制”，在硅谷顶尖公司中脱颖而出。这不仅是一个关于天才逆袭的故事，更是一份关于在 AI 时代如何重塑个人竞争力、实现跨越式成长的实战指南。

👨‍⚕️ 本期嘉宾

Gabriel Peterson，OpenAI 研究科学家，目前效力于 Sora 视频模型团队。他曾是 Midjourney 的早期成员，是一位极具影响力的自学者和技术博主。他以高中辍学者的身份，凭借对 AI 工具的深度运用和极高的行动偏见，成功拿到了 O1 杰出人才签证并进入全球顶尖 AI 实验室。

⏱️ 时间戳

00:00 开场 & 嘉宾介绍

辍学者的逆袭之路

03:00 从瑞典小镇到硅谷：高中辍学者的非典型开局

04:36 疯狂的销售经历：带着 A3 打印纸去“扫楼”

06:22 睡在沙发垫上的亿万富翁梦：创业初期的艰辛与信念

07:16 编程初体验：从山寨宝可梦游戏到被真实问题“逼”出来的技术

重新定义学习：AI 时代的自学心法

10:14 自上而下学习法：为什么真实任务是最好的老师

13:30 递归式填补知识空白：如何用 ChatGPT 拆解扩散模型等复杂技术

18:17 建立“点通”的直觉：每天问 AI 一百个问题的量变与质变

21:28 跨越学历鸿沟：AI 如何让辍学者胜任传统博士级的研究工作

职业生涯的增长黑客

24:23 寻找反馈的艺术：为什么你应该追着资深工程师要 Code Review

29:30 签证黑客：如何用 Stack Overflow 的帖子拿到 O1 杰出人才签证

31:42 招聘真相：公司只想赚钱，用 3 秒钟的 Demo 证明你的价值

34:10 避开 HR 的替代信号：直接向有利益驱动的 CEO 展示能力

36:31 走出“成人日托所”：为什么野心勃勃的人应该尽快进入真实市场

硅谷的势能与 AGI 愿景

51:21 薪水翻十倍的秘密：旧金山的人才密度与网络效应

56:13 克服“我不够聪明”的错觉：你已经在前 1% 了

58:23 总结建议：给你年轻时的自己一份“跳过弯道”的指南

🌟 精彩内容

💡 大学不再垄断基础知识

Gabriel 认为，传统的“自下而上”教育体系（先学基础再碰前沿）效率极低。在 AI 时代，任何人都可以通过 ChatGPT 进行“自上而下”的学习：从一个具体的前沿项目开始，遇到不懂的数学或原理再递归向下询问 AI，直到彻底理解。

“自上而下学扩散模型需要三天，自下而上学可能要六年。”

🛠️ 递归式填补知识空白

Gabriel 详细描述了他的提问技巧：让 AI 用 12 岁孩子能听懂的话解释概念，要求展示所有中间数据的形态，并不断追问“为什么”。他认为学习的本质是追逐那个“哈，点通了”的瞬间，而 AI 能让这种瞬间高频发生。

“学习不再需要从下往上走了，AI 是你最好的递归式导师。”

🚀 3 秒钟 Demo 策略

在求职和建立影响力时，Gabriel 强调“行动偏见”。与其列出简历上的实习经历，不如做一个让人 3 秒钟就能看出你技术实力的 Demo。公司本质上是赚钱机器，只要你能证明自己能帮公司赚钱或解决问题，学历和背景都不再重要。

“CEO 永远不在乎你的学位，他们只在乎你能不能干活。”

💻 硅谷的人才密度优势

Gabriel 分享了搬到旧金山后的世界观重塑。他认为旧金山的势能来自于“身边的人跟你想的一样、做的也一样”。这种环境带来的动力远超任何励志演讲，它能让一个人的收入和成长速度发生数量级的飞跃。

“如果你真的有野心，搬到旧金山是唯一客观正确的选择。”

❤️ 克服“智力自卑”

Gabriel 坦诚自己曾觉得自己很笨，无法与造火箭的人竞争。但他意识到，只要有主动性去探索和学习，就已经超过了 99% 的人。他鼓励年轻人不要被“博士学位”等门槛吓倒，现在的工具已经抹平了这些差距。

“人们真的很容易低估自己能做多少事。”

🌐 播客信息补充

本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的

使用 AI 进行翻译，因此可能会有一些地方不通顺；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介

本期我们克隆了：知名商业传记播客《Founders》

本期嘉宾 Michael Ovitz 的名字在好莱坞就是“权力”的代名词。作为 CAA（创新艺人经纪公司）的联合创始人，他曾被誉为“好莱坞之王”。在这期节目中，你将听到他与《Founders》主持人 David Senra 之间关于商业本质与人生哲学的深度碰撞。Ovitz 分享了他如何从收发室每天提早两个半小时上班开始，凭借对电影史的海量研究和对人才的极致追求，重塑了整个娱乐行业的规则。他会揭秘如何通过“认知框架”预判商业走向，如何用“非销售”的手段完成顶级融资，以及为什么在 AI 时代，“深度好奇心”依然是无法被打败的终极优势。这不仅是一次对好莱坞往事的追忆，更是一场关于如何识别 A 级人才、如何在竞争中保持垄断地位、以及如何建立长青企业的实战大师课。

👨‍⚕️ 本期嘉宾

Michael Ovitz，CAA（Creative Artists Agency）联合创始人，好莱坞最具影响力的经纪人之一。他曾代理过斯皮尔伯格、斯科塞斯、保罗·纽曼等顶级巨星，并主导了索尼收购哥伦比亚影业、松下收购环球影业等重大跨国交易。他也是一位著名的艺术收藏家和科技投资人。

⏱️ 时间戳

00:00 开场 & 播客简介

顶级大脑的共通特质

02:05 智力上的“变色龙”：Marc Andreessen 的超强处理能力与沟通艺术

07:12 联合创始人的脆弱性：为什么 90% 的合伙关系会走向破裂？

11:55 押注 A 级人才：从 Steve Jobs 到好莱坞导演的选人准则

商业博弈与销售心法

12:39 洛克菲勒的“黑带”销售：不提一个钱字，却让对方主动捐出巨款

23:36 认知框架的力量：为什么“我看过这部电影”是老牌创业者的核心优势

30:17 识别天才的直觉：Nobu 寿司与 Wolfgang Puck 餐厅背后的商业嗅觉

40:20 拿破仑式的野心：为什么胃口是“越吃越大”的？

从收发室到权力巅峰

43:41 幸存者游戏：在收发室“干掉”另外 19 个竞争对手的狠劲

49:31 知识就是力量：CAA 内部的必读书单与电影史培训

52:34 跨界好奇心：为什么经纪人要读女性杂志和汽车杂志？

01:00:37 诚信是最高效率：在没有合同的情况下完成成百上千笔交易

颠覆行业的实战案例

01:12:07 创造性商业：将制片厂卖给日本资本的底层逻辑

01:28:42 可口可乐营销战：如何用 35 个定制广告击溃麦迪逊大道

01:33:46 错误学习法：Patrick Collison 如何通过复盘 Ovitz 的失败来学习

01:40:46 班长竞选的教训：宁愿做被批评的行动派，也不做无所作为的平庸者

人生哲学与终极驱动力

01:52:41 失败是勋章：美国商业文化中对“重新站起来”的尊重

01:54:14 逃离“山谷”：出身贫寒带来的二元动力——要么成功，要么死亡

02:01:59 怀念迈克尔·克莱顿：一段长达 30 年、基于好奇心与忠诚的友谊

02:08:42 总结：永不满足，永不停止学习

🌟 精彩内容

💡 认知框架：商业世界的“预知梦”

Michael Ovitz 提出了一个深刻的观点：长寿和丰富的经历会带来更广的“认知框架”。当面对艰难决策时，他能看到别人看不到的东西，因为“这部电影我以前看过”。无论是处理个人矛盾还是复杂的商业并购，他都能迅速将现状分类并预判结果。

🛠️ 销售的最高境界：无拳之拳

通过讲述大卫·洛克菲勒为 MoMA 筹款的故事，Ovitz 揭示了顶级销售的秘诀——克制。洛克菲勒在三小时的谈话中不提钱，只聊愿景和艺术，最终让 Ovitz 主动捐出了超出预期的款项。这种“不卖而卖”的策略被他视为销售的“黑带水平”。

🚀 极度勤奋与情报收集

在威廉·莫里斯经纪公司的收发室时期，Ovitz 每天 6:30 到岗，利用无人干扰的时间读遍好莱坞几十年的文件。他甚至订阅 210 种杂志，从女性时尚杂志中捕捉未来六个月的文化潮流。这种对情报的病态痴迷，让他能与任何领域的顶尖人物（如赛车迷保罗·纽曼）进行深度对话并建立信任。

💻 诚信作为商业底色

在 CAA 创立初期，由于缺乏资金和律师，许多交易是靠口头协议完成的。Ovitz 强调，在充满谎言的行业里，“不撒谎”和“极致的跟进”反而成了最革命性的竞争优势。他坚持对合作伙伴保持 100% 的透明度，确保每个人都不会感到被排挤。

❤️ 创始人的“二元”动力

Ovitz 坦言，即使在他功成名就之后，童年时期在圣费尔南多谷的贫困记忆依然挥之不去。对他来说，成功是“二元”的：要么赢，要么死。这种对平庸的恐惧和对世界永不枯竭的好奇心，构成了他至今不愿退休、持续带教年轻人的底层驱动力。

🌐 播客信息补充

本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的

使用 AI 进行翻译，因此可能会有一些地方不通顺；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介

本期我们克隆了：硅谷顶尖思想对谈《#BLOCKCON - Fireside Chat》#BLOCKCON - Day 2 (Oct 11) - Fireside Chat: Nassim Nicholas Taleb & Naval Ravikant

当今世界最清醒的思想家纳西姆·塔勒布，与硅谷投资哲人纳瓦尔坐到了一起。塔勒布作为《黑天鹅》、《反脆弱》的作者，在这场对话中不仅定义了什么是真正的“风险共担”，更揭示了为什么我们正处于一个被“知识分子白痴”（IYI）统治的脆弱时代。你将听到：为什么你应该雇佣那个看起来最不像医生的医生？为什么不到 3% 的顽固少数派能决定全美国人喝什么饮料？为什么比特币是人类历史上对“鲍勃·鲁宾交易”的一次大复仇？这不仅是一场关于金融和概率的讨论，更是一次关于勇气、美德和如何在不确定的世界中通过“路径依赖”生存下去的思维洗礼。

原博客时间：Oct 15, 2018

👨‍⚕️ 本期嘉宾

纳西姆·尼古拉斯·塔勒布（Nassim Nicholas Taleb），知名思想家、概率学家、前衍生品交易员。著有《黑天鹅》、《反脆弱》、《随机漫步的傻瓜》以及《风险共担》。他致力于研究不确定性、概率和知识论问题。

纳瓦尔·拉维康特（Naval Ravikant），知名股权众筹平台 AngelList 创始人，硅谷著名天使投资人，以其关于财富与幸福的哲学思考闻名。

⏱️ 时间戳

00:00 开场 & 播客简介

理论与实践的鸿沟

01:50 从交易员到学者：为什么理论家总在胡说八道

05:35 专家问题：如何区分“真专家”与“知识分子白痴” (IYI)

07:19 餐饮业的启示：同行评判（拿奖）vs. 现实评判（倒闭）

10:41 预测的无能：为什么占星师的记录可能比经济学家更好

风险共担的深度定义

13:24 汉谟拉比法典：建筑师、死刑与防止隐藏风险

14:33 鲍勃·鲁宾交易：当损失被社会化，而收益被私有化

15:48 比特币的诞生：对银行救助和代际财富掠夺的复仇

17:59 白银法则：为什么“己所不欲勿施于人”比黄金法则更稳健

20:45 历史的对称性：为什么古代领导者必须身先士卒

真实信号与美德

23:08 扎哈维信号：伤疤是冒险者无法伪造的勋章

25:55 虚假美德：为什么不包含牺牲的“环保提示”不是美德

26:39 给年轻人的建议：去创业，去失败，不要加入 NGO

32:11 医生测验：为什么你应该选那个长得像“屠夫”的医生

非对称性与林迪效应

37:09 试错胜过设计：在波动中获益的“凸性”思维

42:06 林迪效应：为什么老技术（叉子）比新技术更长寿

44:46 货币竞争：神为什么只接受最坚挺的货币

45:57 政币分离：加密货币如何重塑国家与货币的关系

少数派原则与遍历性

46:54 少数派原则：为什么不到 1% 的顽固者能决定社会规则

53:54 自动挡与清真肉：非对称偏好如何支配全球供应链

58:10 遍历性与路径依赖：为什么“损失厌恶”是极其理性的

01:00:27 俄罗斯轮盘赌：为什么群体概率不等于个体命运

01:03:03 总结：不确定性越大，决策反而越简单

🌟 精彩内容

💡 理论与实践的本质区别

塔勒布指出，在学术圈，人们只被同行评判，这导致了模型的脱节。而真实世界是由盈亏报表驱动的。

“理论上，理论和实践没有区别；但在实践中，区别可大了。”

⚖️ 鲍勃·鲁宾交易与比特币

对话深入探讨了 2008 年金融危机中银行家如何拿走奖金却让纳税人承担风险。纳瓦尔认为，比特币的创世区块正是对这种不对称性的“复仇”，旨在实现货币与国家的彻底分离。

🍦 少数派原则（Minority Rule）

这是一个极具启发性的观点：社会规则往往不是由多数人决定的，而是由一小撮“不愿妥协的少数派”决定的。例如，因为少数犹太人不喝非洁食饮料，导致全美的饮料几乎都变成了洁食认证。这一原则解释了道德演变、市场偏好乃至政治革命。

🎲 遍历性（Ergodicity）与生存

塔勒布批判了行为经济学家对“损失厌恶”的误读。他认为，如果一个行为有爆仓（毁灭）的风险，那么无论预期收益多高，都不值得尝试。

“你可以承担所有风险，但要确保你明天还能站在这里。”

🩺 医生测验：反直觉的雇佣逻辑

如果你有两个医生可选，一个光鲜亮丽像好莱坞明星，一个像粗鲁的屠夫，且两人级别相同。塔勒布建议选那个“屠夫”，因为他必须克服外表的巨大偏见才能达到同样的地位，这意味着他的医术必然远超常人。

🌐 播客信息补充

本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的

使用 AI 进行翻译，因此可能会有一些地方不通顺；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介

本期我们克隆了：知名科技与产品播客《Lenny's Podcast》Inside OpenAI: 2026 is the year of agents, AI’s biggest bottleneck, and why compute isn’t the issue

本期嘉宾是 Alexander Embiricos，他在 OpenAI 领导着目前世界上最先进的 AI 编码助手团队——Codex。在这次深度对话中，Alexander 揭开了 OpenAI 内部神秘的高效运作面纱：为什么一个登顶应用商店的 App（Sora）只需要两三个工程师在 18 天内就能做出来？

他提出了一个颠覆性的观点：如果你想构建任何 AI 智能体（Agent），都应该先从构建一个编码智能体开始，因为代码是 AI 操控电脑最精准的语言。我们还聊到了 AGI 什么时候会到来，而他给出的答案出人意料——目前的限制因素竟然是人类的打字速度。无论你是开发者、产品经理，还是对 AI 未来感到好奇的听众，这期节目都将为你提供关于“AI 时代如何被最大程度加速”的实战指南。

👨‍⚕️ 本期嘉宾

Alexander Embiricos，OpenAI Codex 产品负责人。在加入 OpenAI 之前，他曾是一位成功的创业者，并曾在 Dropbox 担任产品经理。目前他在 OpenAI 负责驱动数万亿 Token 的编码模型，致力于将 AI 从简单的补全工具进化为全能的软件工程“队友”。

⏱️ 时间戳

00:00 开场 & 播客简介

OpenAI 的快节奏哲学

05:42 重新定义“速度”：在 OpenAI，野心和执行力没有上限

07:20 组织架构揭秘：为什么“自下而上”是 AI 创新的核心

08:36 准备-开火-瞄准：为什么在 AI 时代，过度规划没有意义

Codex：从实习生到超级队友

10:17 什么是 Codex：一个“不爱看 Slack”的聪明实习生

13:43 爆发式增长：几个月内规模增长 20 倍背后的产品洞察

15:53 增长的转折点：从云端异步 Agent 回归本地 IDE 集成

18:52 技术栈三层架构：模型、API 与应用框架的协同进化

AI Agent 的未来蓝图

23:27 核心洞察：为什么编码能力是所有 Agent 的心脏

25:35 记忆与脚本：如何让 Agent 记住团队的私有经验

30:37 聊天驱动开发：未来我们是否还需要写 Spec（规范）？

31:47 混合主导系统：像特斯拉自动驾驶一样使用 AI 软件

重塑职业与效率

37:54 18 天奇迹：Codex 如何帮助 Sora 团队光速发布 App

39:00 压缩人才栈：当设计师开始用“感觉编程”直接提交 PR

42:55 垂直领域的机遇：对客户问题的理解比构建能力更重要

49:45 实战建议：把最难的任务交给 Codex，建立“队友”信任感

AGI 与个人进化

52:03 职业建议：深入系统工程前沿，利用 AI 验证而非仅仅生成

55:55 AGI 的真瓶颈：人类的打字速度与代码审查带宽

01:00:13 闪电问答：乐观的科幻未来、《咒术回战》与“友善且坦诚”

🌟 精彩内容

💡 18 天打造榜首 App 的秘密

Alexander 分享了 Sora 安卓版 App 的开发故事。凭借 Codex 对 iOS 代码的理解和跨平台移植能力，两三个工程师在 18 天内就完成了从零到员工试用的全过程。这证明了在 AI 加持下，小团队的爆发力已经超越了传统大厂的想象。

🛠️ 为什么 Agent 的核心是代码？

他提出了一个深刻见解：AI 操控电脑有多种方式（如视觉点击），但写代码是最精确、最高效的。因此，未来的超级助理本质上都是编码 Agent，即便用户感知不到代码的存在，它也在后台通过生成脚本来解决金融分析或自动化任务。

🚀 压缩人才栈（Compressed Talent Stack）

AI 正在模糊职能边界。在 OpenAI 内部，设计师不再仅仅交付设计稿，而是通过 Codex 编写原型甚至直接提交 Rust 代码 PR。这种“人才栈压缩”减少了沟通损耗，让团队能够以指数级速度前进。

🧠 AGI 的“打字速度”限制

对于 AGI 的到来，Alexander 认为模型智能的增长是确定的，但人类作为“Prompt 发出者”和“结果审查者”的带宽成了最大瓶颈。只有当 Agent 学会自我验证、默认自主完成任务时，生产力才会迎来真正的“曲棍球棒式”增长。

❤️ “友善且坦诚”的领导力

在闪电问答中，他分享了自己的座右铭“Be Kind and Candid”。他认为坦诚是一种最高级的善举，尤其在快速迭代的 AI 行业，推迟艰难的对话是对团队的不负责任。

🌐 播客信息补充

本播客采用原有人声声线进行播客音频制作，也可

📝 本期播客简介

本期我们克隆了：硅谷顶尖创投播客《Lenny's Podcast》The new AI growth playbook for 2026: How Lovable hit $200M ARR in one year | Elena Verna (Head of Growth)

本期嘉宾 Elena Verna 的分享，将彻底粉碎你对 SaaS 增长的固有认知。她目前担任 Lovable 的增长负责人，这家公司在上线短短一年内，年度经常性收入（ARR）就突破了两亿美金，且团队规模仅百人左右。Elena 坦言，她过去十五年在 Dropbox、Miro 等公司积累的增长经验，在这里只有不到四成还能派上用场。

在这期节目中，你将听到 Lovable 如何在 AI 浪潮中“换挡飞行”。Elena 揭示了为什么“优化现有流程”在今天已经不值一提，而“持续创新”和“发布新功能”才是真正的增长引擎。她提出了“最小可爱产品”（MLP）取代“最小可行产品”（MVP）的理念，并分享了如何通过“公开构建”和“疯狂送产品”来占据市场心智。这不仅是一场关于数字的狂欢，更是一场关于 AI 时代企业生存法则的深度思辨。

👨‍⚕️ 本期嘉宾

Elena Verna，顶尖增长专家，现任 Lovable 增长负责人。她曾先后在 Miro、Dropbox、SurveyMonkey、Netlify 和 Amplitude 等多家知名 SaaS 公司担任增长高管或顾问。她是“产品驱动增长”（PLG）领域的领军人物，目前正带领 Lovable 刷新全球 SaaS 增长纪录。

⏱️ 时间戳

00:00 开场 & 播客简介

两亿美金 ARR 的背后

04:35 一年两亿美金：是行业基准还是“一生一次”的孤例？

07:56 谁在为 Lovable 买单？从“创始人用例”到企业内部创新

10:14 留存率真相：在高速增长下，如何保持 B2B 级别的稳定性

增长手册的彻底重构

12:33 扔掉旧剧本：为什么 70% 的传统增长手段在 AI 时代已失效

16:16 停止优化，开始创新：增长团队为何要亲自下场做产品功能

18:40 激活的新定义：当 AI Agent 成为核心，微观优化已不再重要

20:47 “公开构建”的力量：让 CEO 和员工成为社交媒体上的增长杠杆

产品与营销的新哲学

23:55 市场营销的短周期：当定位和信息每三个月就过时一次

25:14 告别 SEO，拥抱社交：为什么 B2B 的未来在 X 和 LinkedIn

28:17 从 MVP 到 MLP：在功能泛滥的时代，如何靠“可爱”脱颖而出

31:48 品牌即互动：没有品牌团队，如何让用户感受到产品的“灵魂”

组织、人才与 Vibe Coding

32:59 招聘心法：寻找那些“心里有火”且具备高度能动性的通才

35:43 极速节奏：休假十天回来，公司就像经历了一场革命

39:05 全职“Vibe Coder”：非技术背景如何靠 AI 工具重塑开发流程

增长秘方与 PMF 跑步机

41:52 疯狂的赠送策略：为什么要把 AI 成本看作最高效的营销投入

47:36 只有 100 人的 2 亿美金公司：极致的人效比是如何达成的

51:10 消失的 PMF 稳态：为什么你每三个月就得重新夺回市场契合度

53:23 预测未来：在 LLM 能力跃迁之前提前布局

AI 时代的人本思考

01:00:44 AI 原生员工：从“AI 增强自我”到“以 AI 为底座”的思维转变

01:01:47 边界感：在历史上增长最快的公司，如何保护私人时间与睡眠

01:08:05 警惕差距：为什么女性在 AI 采用率上正在掉队？

01:12:36 给应届生的建议：不要怕被自动化，要成为那个“指路的人”

🌟 精彩内容

💡 增长重心的位移：从优化到创新

Elena 认为，在 AI 时代，市场变化太快，机会窗口极短。增长团队不能再像以前那样花 90% 的时间去优化转化漏斗的每一个百分点，而应该花 95% 的时间去尝试新的增长循环和产品功能。

“我们增长团队甚至在做 Shopify 集成和语音模式，这在以前是不可想象的。”

🛠️ 最小可爱产品（MLP）

“可行性”已经留在了 2010 年代。在构建成本大幅下降的今天，功能性已是门槛，差异化来自于情感连接。Lovable 内部的准则是：如果一个东西不够“可爱”，哪怕它有用，也不发布。

“创造口碑的唯一方法，就是做出能让用户大吃一惊的东西。”

🚀 重新定义营销成本

Lovable 几乎不投昂贵的关键词广告，而是把大量的 LLM 调用成本（Credits）免费送给黑客松和社区。Elena 将这视为一种“成本转移”：把付给谷歌的钱，直接付给用户去体验产品的魔力。

“我们像发糖果一样把 Credits 送出去，因为这是我们增长秘方的一部分。”

🔄 每三个月一次的 PMF 挑战

由于底层 LLM 能力和消费者预期都在以月为单位进化，AI 公司永远无法进入“坐享其成”的规模化阶段。你必须在跑步机上持续奔跑，不断重新定义你的产品。

“十年前，如果你说一家月增 10% 的公司三个月后会失去 PMF，那是疯了；但现在，这

📝 本期播客简介

本期我们克隆了：Anthropic 官方技术分享《Don't Build Agents, Build Skills Instead》

今天的 AI Agent 就像一个“智商 300 的数学天才”，它非常聪明，但在面对复杂的税务、法律或特定企业流程时，往往因为缺乏专业知识而显得力不从心。Anthropic 的专家 Barry Zhang 和 Mahesh Murag 在本期节目中提出了一个颠覆性的观点：我们应该停止重复造轮子去构建各种垂直领域的 Agent，转而开始构建“Skill”。

什么是 Skill？为什么 Anthropic 认为“文件夹”才是封装 AI 能力的最佳方式？在这场深度分享中，你将听到关于 Agent 架构的最新演进：如何利用代码作为通用接口，如何通过 MCP 与 Skill 的组合让 AI 瞬间变身行业专家，以及如何让 AI 在与你共事的第 30 天比第 1 天好用得多。这不仅是一场技术发布，更是一份关于未来人机协作模式的行动指南。

👨‍⚕️ 本期嘉宾

Barry Zhang & Mahesh Murag，Anthropic 团队专家，Agent Skill 概念的共同创造者。他们致力于定义下一代 AI Agent 的标准架构，推动了 MCP（模型上下文协议）与 Claude Code 等核心产品的演进。

⏱️ 时间戳

00:00 开场 & 播客简介

从 Agent 到 Skill 的范式演进

01:43 现状：Agent 很聪明，但缺少稳定可靠的专业知识

02:49 核心转变：代码不仅仅是应用场景，更是数字世界的通用接口

03:53 什么是 Agent Skill：把可组合的程序化知识打包进“文件夹”

05:04 极简主义哲学：为什么选择 Git 和文件系统作为载体？

Skill 的生态与实战应用

07:09 三大生态支柱：基础能力、合作伙伴与企业内建 Skill

08:12 案例分享：Notion 与 Browserbase 如何通过 Skill 增强 Claude

09:06 趋势观察：从简单的 Markdown 指令到复杂的二进制文件打包

10:07 协同作战：MCP 负责“连接”，Skill 负责“专业知识”

构建通用 Agent 架构

10:51 架构公式：Agent 循环 + 运行时 + MCP + Skill 库

12:11 开发者关注点：测试评估、版本控制与跨 Skill 的依赖引用

13:11 愿景：打造一个由人和 Agent 共同维护的组织能力知识库

持续学习与未来展望

14:12 记忆的具体化：让 Claude 为未来的自己编写 Skill

15:14 情境学习的力量：如何让 Agent 随着使用时间的增加而进化

16:11 行业类比：模型是处理器，Skill 才是真正改变世界的“应用程序”

🌟 精彩内容

💡 数学天才 vs. 税务专家

Barry 提出了一个生动的比喻：你想要一个智商极高但不懂税法的数学天才帮你报税，还是想要一个经验丰富的税务专家？目前的 Agent 往往是前者。Skill 的出现，就是为了给“天才”装上“专业大脑”，让它不再需要从第一性原理去推导复杂的行业规则。

🛠️ 为什么“文件夹”是终极抽象？

Anthropic 故意将 Skill 设计得极其简单——就是一组文件夹和文件。这意味着无论是人还是 AI，只要有电脑就能创建。它天然支持 Git 版本控制，可以像分享压缩包一样在团队间传递。这种透明、可修改的特性，解决了传统 AI 工具“黑盒”且难以维护的痛点。

🚀 通用 Agent 的“操作系统”模型

节目中将 AI 技术栈与传统计算技术栈做了精彩类比：模型（LLM）是处理器（CPU），Agent 的运行时环境是操作系统（OS），而 Skill 则是运行在其上的应用程序（Apps）。真正的价值不在于造更多的处理器，而在于数以百万计的开发者如何将独特的领域知识编码成 Skill。

📈 非技术人员的 AI 红利

令人兴奋的趋势是，财务、招聘、法务等非技术背景的人员正在成为 Skill 的构建者。通过简单的指令封装和流程编排，他们正在将自己的专业经验转化为 Agent 可以理解的“技能包”，从而实现组织内部能力的复利增长。

🌐 播客信息补充

本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的

使用 AI 进行翻译，因此可能会有一些地方不通顺；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介

本期节目，主持人 Hanna Fry 教授与 Google DeepMind 联合创始人兼 CEO Demis Hassabis 展开了一场关于人工智能未来走向的深度对话。Demis Hassabis 作为AI领域的领军人物，将带我们跳出日常新闻，思考AI的终极目标和发展路径。他分享了对通用人工智能（AGI）的看法，探讨了AI在科学、商业和社会层面的深远影响，以及如何应对随之而来的挑战。

翻译克隆自：The future of intelligence | Demis Hassabis (Co-founder and CEO of DeepMind)

👨‍⚕️ 本期嘉宾

Demis Hassabis，Google DeepMind 联合创始人兼 CEO。他是一位神经科学家、人工智能研究员、视频游戏设计师和企业家，被广泛认为是全球领先的AI思想家之一。

⏱️ 时间戳

开场与播客简介

00:00 欢迎收听：跨国串门计划与本期节目介绍

02:03 Demis Hassabis 精彩语录：AGI、心智与计算极限

AI 领域的最新进展与未来愿景

02:57 2023年AI回顾：从语言模型到Agent AI的重心转移

03:51 AI的飞速发展：Gemini 3与世界模型带来的惊喜

04:25 “根节点问题”：AI如何解锁科学与医学的下游效益

04:46 探索前沿：材料科学、核聚变与量子计算的突破

05:59 核聚变的深远影响：清洁能源与气候问题解决方案

通用人工智能的挑战与思考

07:15 AI的“参差不齐”智能：数学奥赛金牌与低级错误并存

08:03 AGI的缺失环节：推理一致性与持续学习能力

09:15 AlphaGo与AlphaZero：从学习人类知识到自我发现

11:07 科学研究与商业竞赛的平衡：AlphaFold与聊天机器人的路径选择

13:15 AI竞赛的加速效应：更多资源与技术普及

14:10 规模化瓶颈与合成数据：AI发展“撞墙”了吗？

15:21 DeepMind的优势：研究优先、世界级工程与基础设施

16:19 AGI之路：规模化与创新并重

16:49 AI“幻觉”问题：AlphaFold的置信度机制能否借鉴？

18:37 世界模型的重要性：语言模型无法捕捉的物理世界动态

19:57 模拟世界的构建与验证：Genie和VEO的逼真生成能力

21:31 AI Agent的演化实验：Simmer与Genie的互动循环

23:23 确保模拟世界的真实性：物理基准测试与幻觉控制

25:30 意识的起源：模拟Agent演化实验的设想

27:10 涌现属性的风险：在安全沙箱中运行模拟

AI 对社会与人类的深远影响

28:00 AI泡沫与长期价值：短期高估，长期低估

29:56 避免社交媒体覆辙：构建以用户为中心的负责任AI

31:34 AI人格的科学：平衡支持与挑战不合逻辑观点

33:35 AGI的融合之路：语言模型、图像模型与世界模型的结合

34:46 工业革命的启示：AI带来的社会冲击将更剧烈、更迅速

36:52 后AGI时代：经济体系与人类意义的重构

38:53 国际合作与AI安全：地缘政治挑战与潜在的“警钟”

42:56 人类与机器的界限：图灵机的极限与意识的本质

46:17 顶尖AI研究者的心路历程：兴奋、责任与挑战

48:40 AI领域的竞争与合作：超越商业成败的更高 stakes

49:39 未来十年：Agent系统的风险与期待

51:20 终极使命：安全引导AGI到来后的“学术假”

🌐 播客信息补充

本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的

使用 AI 进行翻译，因此可能会有一些地方不通顺；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介

本期节目，Acquired播客迎来十周年里程碑，两位主持人Ben Gilbert和David Rosenthal邀请到传奇作家Michael Lewis（代表作《点球成金》、《大空头》等）作为特邀嘉宾。他们不仅回顾了Acquired十年来的成长历程，剖析了其独特的成功之道，更深入探讨了从NFL、Costco、伯克希尔哈撒韦等公司身上学到的商业智慧，以及这些经验如何塑造了Acquired的运营模式。Michael Lewis以其独到的视角，与Ben和David共同拆解了Acquired的“七力模型”，揭示了其在播客行业中脱颖而出的秘诀，包括其稀缺性、独特的商业模式、对内容质量的极致追求以及与听众建立的深厚信任。这不仅是一场关于播客的十年回顾，更是一堂关于创业、合作、内容创作与商业策略的实战大师课。

翻译克隆自：10 Years of Acquired (with Michael Lewis)

👨‍⚕️ 本期嘉宾

Michael Lewis，美国著名财经作家，著有《说谎者的扑克牌》、《点球成金》、《大空头》、《弱点》、《思维的发现》、《一念永恒》等多部畅销书。他同时也是播客《Against the Rules》的主持人。

⏱️ 时间戳

00:00 开场 & 播客简介

00:00 Michael Lewis初识Acquired：长播客的魅力与节目演变

08:50 伙伴关系的力量：Ben与David的化学反应

12:40 Acquired的商业智慧：从NFL到伯克希尔哈撒韦的十大教训

12:40 稀缺性原则：从NFL学到的节目更新策略

16:20 聚焦成功：Acquired反向工程的创业视角

17:30 “太难了”原则：芒格智慧在内容选择上的应用

23:20 复利效应与信任：播客与书籍的不同增长路径

26:10 恐惧是动力：对听众的敬畏驱动内容质量

44:30 独家研究方法：从阅读到高层访谈的演变

1:02:30 小众市场的巨大潜力：Ben Thompson的启示

1:05:20 精简运营：小团队如何打造高品质内容

1:07:00 极致打磨：Acquired的录制与剪辑流程揭秘

1:10:00 独特的商业模式：与赞助商的深度合作

1:23:00 创始人控制权：保持精品店模式的价值

1:29:00 热情驱动：即使数据不佳也值得做的节目（任天堂、IPL）

1:36:00 创造“事件”：从习惯到超级碗的品牌打造

1:40:00 简化与聚焦：从Costco和台积电学到的核心竞争力

1:47:00 播客研究与VC尽调：两种思维模式的异同

1:50:00 Acquired成功之“为什么”：外部顺风与内部伙伴关系

1:53:00 Acquired的“七力模型”：规模经济、反向定位、品牌、垄断性资源与流程优势

2:10:00 Carve Out环节：主持人与嘉宾的年度推荐

2:10:00 书籍推荐

2:14:00 播客推荐

2:17:00 影视推荐

2:21:00 电子游戏推荐

2:23:00 产品推荐

2:27:00 育儿心得

2:30:00 节目总结与致谢

🌟 精彩内容

💡 十年磨一剑：Michael Lewis对Acquired的赞叹

Michael Lewis首次接触Acquired便被其深度和长度所震撼，他称赞节目能将听众带入一种沉浸式状态，愿意学习自己都不知道想学的东西，并对Acquired从早期青涩到如今的巨大转变感到惊叹。

“我简直不敢相信，你们做一个四小时的播客居然还能火。而且我更不敢相信，就算听了四个小时，我还想听更多。”

🛠️ 恐惧是动力：极致内容质量的秘密

Ben和David坦言，对听众的“恐惧”是他们成功的强大动力。他们害怕辜负听众的信任，每一次节目都力求做到最好，这种对质量的极致追求，让他们在播客行业中脱颖而出。

“我们能成功，很大程度上是因为我们一直都很害怕。我们每次做节目都怕得要死。”

🚀 独特的商业模式：稀缺性与深度合作

Acquired通过减少节目数量、不与广告代理合作、与赞助商建立深度伙伴关系等方式，创造了独特的商业模式。他们将赞助商视为合作伙伴，甚至投资他们的公司，确保了商业与内容的统一性。

“我们不和代理机构合作。是的。如果一个代理机构联系我们说：‘我们想在你们的播客上投放广告。’我们会给他们写一封很客气的信……说：‘哦，我们不和代理机构合作，但非常感谢您的兴趣。’”

💻 创始人控制权：保持精品店模式的价值

节目讨论了创始人控制权的重要性，以及Acquired如何选择保持精品店模式，而非盲目扩张。他们从伯克希尔哈撒韦、Costco等公司学到，专注于核心优势，避免不必要的多元化，是实现长期价值的关键。

“我们最终失败的更可能的原因是，我们不再被发现的新事物所取悦。所以我们没有新的东西可以传递给听众。”

❤️ 相信热情：即使数据不佳也值得做

Ben和David分享了制作任天堂和IPL（印度超级板球联赛）等节目时，尽管数据表现不佳，但因对主题的热情，依然获得了意想不到的高价值连接和反馈。这印证了Michael Lewis的观点：强烈的感觉总能触动某些人。

“如果你没有任何感觉，那很可能没人会有任何感觉。但如果你感觉很强烈，总会有人感觉到什么。”

🌐 播客信息补充

翻译克隆自：

本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的

使用 AI 进行翻译，因此可能会有一些地方不通顺；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介

本期节目，我们克隆了 Global Marketing Expert: The Playbook Behind Every Great Campaign | Rory Sutherland

邀请到全球营销专家 Rory Sutherland，深入探讨了在 AI 时代，人类决策的复杂性、企业追求效率的误区，以及营销与客户体验的深层逻辑。Rory 犀利指出，过度依赖量化指标和技术方案，往往会忽视“人”的因素和心理价值，导致企业优化目标与客户真实需求南辕北辙。他通过“门童谬论”、戴森的成功案例，以及对奢侈品消费、社会规范和创新传播的独到见解，揭示了看似“非理性”的人类行为，实则是深层进化和情感驱动的体现。本期节目不仅是一堂营销大师课，更是一次对商业和社会运作底层逻辑的深刻反思。

👨‍⚕️ 本期嘉宾

Rory Sutherland，全球营销专家，奥美广告公司（Ogilvy）副主席，行为科学领域的思想领袖，著有《旁观者》（Alchemy: The Dark Art and Curious Science of Creating Magic in Brands, Business, and Life）等畅销书。

🌟 精彩内容

💡 AI与人类决策的差异

Rory Sutherland 质疑 AI 在提供“完美方案”时的局限性，强调人类决策的复杂性，需要比较和选择，因为“没有比较，我们根本没法做选择。”

🛠️ 效率的误区与价值创造

企业在追求效率时，往往只关注成本降低，而忽视了创造价值和心理因素。Rory 认为“最高效的方式之一，就是雇一个特别特别好的人。”

🚀 “门童谬论”与人的价值

通过“门童谬论”揭示量化指标如何忽视人的价值。门童的隐性价值远超“开门”功能，包括安保、行李处理、客户关系等，这些“人性化的、潜移默化的”价值在简单定义中无法体现。

💻 私营公司与客户信任

戴森等私营公司的成功在于其更关注客户价值和长期关系，而非短期股东利益。Rory 认为他们“更好地照顾了消费者，因为他们实际上，在不经意间，成了‘客户价值运动’的实践者，而不是‘股东价值运动’的实践者。”

❤️ 营销的本质与行为改变

营销的真正目的是发现并盈利地留住客户。Rory 强调“创新的唯一真正衡量标准是行为改变”，大的创新需要更多营销来克服人类的习惯性和从众心理，促进行为改变。

🌐 播客信息补充

本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的

使用 AI 进行翻译，因此可能会有一些地方不通顺；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介

本期播客克隆了 Boris Cherny (Creator of Claude Code) On What Grew His Career And Building at Anthropic

邀请到 Claude Code 的创造者、前 Meta 首席工程师 Boris Cherny。他分享了从 Meta 早期在 Facebook 群组部门的工程师生涯，到后来在 Instagram 日本办公室的经历，以及最终加入 Anthropic 投身 AI 安全与 Claude Code 开发的职业旅程。Boris 深入探讨了“潜在需求”的产品哲学、通才工程师的重要性、如何通过个人项目扩大影响力、在大公司中应对文化差异与大规模项目规划的挑战。他还分享了对 AI 编程未来、生产力提升以及如何持续赢得信任的深刻见解。这是一堂关于技术领导力、产品思维和在快速变化的科技浪潮中保持成长的实战课。

👨‍⚕️ 本期嘉宾

Boris Cherny，Claude Code 的创造者，前 Meta 首席工程师，现任 Anthropic 工程师。

⏱️ 时间戳

开场 & 播客简介

00:00 开场 & 播客简介

Meta 工程师生涯

01:02 早期项目与通才精神：Messenger与Facebook群组整合，工程师的“用户研究”

05:10 “潜在需求”的产品哲学：产品成功的核心原则，Marketplace与Facebook Dating的案例

06:36 跨部门协作的“噩梦”：文化与目标差异，以及解决之道

09:07 个人项目与影响力：uc框架、TypeScript书籍与社区，支线任务的重要性

15:39 降级入职的“幸运”：低期望值带来的探索空间

17:00 Comet项目与基础设施建设：Facebook群组网页端重写，影响基础设施方向

20:58 AI赋能工程效率：AI如何大幅减少项目所需时间和人力

22:07 与高管沟通的艺术：给VP汇报的“三个选项”策略

23:09 无头衔文化与赢得信任：Meta与Anthropic的无头衔文化，持续赢得信任的重要性

25:43 大规模项目规划与技术领导力：规划数百名工程师的工作，技术设计“游戏”

31:02 公共群组项目与技术分歧：复杂功能改动，数据模型辩论与垃圾信息挑战

34:10 领导资深工程师：冒名顶替综合症与处理技术分歧的经验

37:39 工程师的产品思维：理解权衡与情境感知，填补产品经理空缺

38:56 “卓越工程”与自动化：通过自动化解决日常痛点，扩大影响力

44:10 转岗Instagram与文化冲击：为爱搬家到日本，Instagram的产品驱动文化与“下线”功能

47:03 重新建立信誉：跨越半个地球的挑战，重新找回写代码的乐趣

49:23 Instagram代码库迁移：从Python到Hack，工程驱动与产品驱动的文化差异

51:38 授权的艺术：信任与监控，晋升是影响力的滞后副产品

Anthropic 与 Claude Code

54:49 加入Anthropic的动机：LLM的震撼与AI安全使命，AI对社会的变革性影响

59:55 Claude Code的诞生与成功：超越自动补全，"为六个月后的模型做产品"的哲学

01:01:00 模型能力飞跃：Sonnet和Opus四的发布，Anthropic工程师效率增长70%

01:02:11 AI编程的挑战与未来：AI编程的“粗制滥造”，结对编程与手动编码

01:04:24 Claude Code的广泛应用：数据科学与销售团队

01:05:36 对竞争的看法：专注于解决用户问题

职业生涯反思与建议

01:06:38 非CS学位的影响：通过实践学习编程

01:07:22 生产力技巧：学会使用Claude Code自动化与编排，创作者日程与管理者日程的转变

01:09:47 给年轻工程师的建议：相信常识

🌟 精彩内容

💡 “潜在需求”的产品哲学

Boris Cherny 认为，产品成功的关键在于发现用户已有的“潜在需求”，而非试图改变用户行为。他以 Facebook Marketplace 和 Dating 为例，说明如何通过观察用户“滥用”现有产品的方式，来打造出成功的新产品，因为人们只会做他们想做的事。

🚀 AI 赋能下的工程效率飞跃

曾经需要数十名工程师花费数年完成的 Facebook 群组迁移项目，在 AI 工具（如 Claude Code）的帮助下，如今可能只需少数工程师在数月内完成。Boris 强调，AI 模型发展速度惊人，产品开发应着眼于“六个月后的模型”，而非当下。

🤝 无头衔文化与持续赢得信任

无论是 Meta 的“软件工程师”头衔，还是 Anthropic 的“技术人员”，Boris 都推崇这种无头衔文化。他认为，头衔不重要，关键在于持续通过影响力、解决问题来赢得同事的信任和尊重，这是一种健康的工程师文化，要求你不断证明自己。

🤖 AI时代的生产力革命

传统的生产力技巧已过时。Boris 指出，未来的工程师将更多地扮演“编排者”的角色，利用 Claude Code 等 AI 工具自动化繁琐工作，甚至让多个 AI 实例协同完成任务。他本人每天早上醒来就会启动多个 AI Agent 开始工作，这彻底改变了编程方式。

🌍 AI安全与使命驱动

Boris 加入 Anthropic 的深层动力是 LLM 的“魔法”及其对社会的变革性影响。他强调 AI 安全的重要性，认为随着模型能力增强，潜在风险也急剧上升，Anthr

📝 本期播客简介

本期节目克隆了 Steve Jobs In His Own Words (Make Something Wonderful)

深入解读了《创造一些美妙的东西：史蒂夫·乔布斯亲述》一书，以及其他关于乔布斯的珍贵资料。播客主理人David Senra分享了乔布斯在艺术与科技融合、产品设计、创业历程、领导力以及人生哲学等方面的深刻见解。从他早年对卓越的追求，到被苹果解雇后的沉浮，再到重返苹果后的辉煌，乔布斯的故事不仅是一个商业传奇，更是一堂关于如何认识自我、追求热爱、并在宇宙中留下印记的人生大师课。节目中穿插了乔布斯与家人、同事、导师的对话和邮件，展现了一个真实、立体、充满激情的乔布斯。

👨‍⚕️ 本期嘉宾

David Senra，Founders播客主理人。

⏱️ 时间戳

播客简介与书籍概览

00:00 播客简介：乔布斯思想与《Make Something Wonderful》

01:52 书籍介绍：免费获取与阅读方式

02:42 乔布斯名言：满怀关爱创造非凡

04:43 乔布斯对平庸产品的厌恶

乔布斯的核心理念与早年经历

05:46 艺术与科技的交汇：埃德温·兰德的影响

07:23 极致严苛的自我要求：科比·布莱恩特的类比

09:35 人生如彩虹：短暂而璀璨

11:39 阅读传记的价值：从错误中学习

12:17 乔布斯的童年：父亲的熏陶与硅谷氛围

14:21 热爱阅读与校园困境

15:16 辍学与追随兴趣

创立苹果与产品愿景

15:40 苹果的诞生：从车库到行业先锋

16:04 个人电脑的愿景：人人可用的工具

16:46 早期苹果的挑战与乔布斯的管理风格

17:16 Macintosh：科技与艺术的结合

18:11 对产品的非理性热爱

18:38 Macintosh对行业未来的预判

18:57 Apple I的生产与资金筹集

21:06 早期被拒绝的经历

22:15 乔布斯早年的沟通天赋

23:41 发现“二流产品”的市场机会

24:43 产品设计：基于用户互动时间的重要性

25:51 在宇宙中留下印记

学习与成长：NeXT、Pixar与重返苹果

26:05 书籍的力量：思想的传承

27:21 乔布斯写给自己的邮件：对人类经验的贡献

28:21 乔布斯的历史观：伟大的艺术家善于“偷窃”

29:39 Macintosh类比“电话”：易用性是关键

32:01 迈克尔·莫里茨对乔布斯的评价

33:34 乔布斯论产品质量：固执与坚持

34:10 被苹果解雇后的反思

34:45 创造的欲望：财富无法阻挡

36:58 NeXT和Pixar的艰难转型

39:14 “一夜成名需要很久”

40:18 里德学院演讲：逆境塑造品格

41:43 与安迪·格鲁夫的邮件往来：导师的教诲

45:52 乔布斯对互联网和通信设备的远见（1996年）

47:23 从失败中学习：不要害怕摔跟头

47:58 苹果的问题：失去差异化

49:43 企业文化：思想层级高于组织层级

51:21 工作即生活：乔布斯的投入

52:20 帕洛阿尔托高中演讲：生命的真谛

53:04 创造力：连接不相关的经验

53:53 追随天职，而非“职业生涯”

55:23 旅程本身就是回报

55:58 生命弧线：尽情闪耀

56:16 死亡：激励人生的工具

57:25 错误与遗憾

57:55 Pixar的启发：提前剪辑故事

59:30 招聘的重要性：寻找A级人才

01:01:00 乔布斯的反常规面试技巧

01:01:34 CEO的职责：激发卓越

01:02:15 重返苹果：拯救濒危的公司

01:03:08 创意风险与财务保守的平衡

01:03:26 专注的力量：砍掉产品线

01:03:51 建立基业：为未来而奋斗

01:04:19 乔布斯的核心价值观

01:04:36 回归苹果的内心挣扎

01:06:53 安迪·格鲁夫的忠告：“我才不管苹果那破事儿呢”

01:07:46 乔布斯对苹果文化的重塑

01:08:51 追求卓越，而非对错

01:09:11 回归本源：伟大产品、营销与分销

01:09:57 聚焦“珍宝”

01:10:03 分销创新：Apple Store的诞生

01:10:21 营销即价值观：耐克与“Think Different”

01:12:34 应对Newton停产抗议的智慧

01:13:39 苹果的“怀疑主义层级”

01:16:18 iMac的推出与重返消费市场

01:17:33 乔布斯写给自己的邮件：苹果存在的理由

01:18:49 亚里士多德：卓越是一种习惯

01:19:09 “做了一件好事，就去做下一件”

01:20:09 莱斯利·柏林访谈：导师鲍勃·诺伊斯

01:25:04 乐观与激情：创新的必要条件

01:26:05 寻求前辈指导的超能力

01:27:52 人性是历史的底色

01:29:13 詹姆斯·戴森的启示：信息不能混淆

01:29:47 苹

📝 本期播客简介

本期Huberman Lab播客，Andrew Huberman教授将带我们深入探索冥想的科学原理和实践方法。我们将了解冥想如何从根本上改变我们的大脑和身体，以及这些改变如何影响生活的方方面面，包括睡眠、情绪和专注力。Andrew会剖析冥想背后的神经生物学机制，介绍大脑中与内外感知、心智漫游相关的关键区域。更重要的是，他将提供一套实用的框架，帮助你根据自身的需求和状态，定制最适合自己的冥想练习，无论是为了提升专注、改善情绪，还是为了更好的睡眠。本期节目不仅是一堂理论课，更是一份个性化的冥想实践指南。

本期克隆自：How Meditation Works & Science-Based Effective Meditations

👨‍⚕️ 本期嘉宾

Andrew Huberman，斯坦福医学院神经生物学和眼科学教授，Huberman Lab播客主持人。

⏱️ 时间戳

00:00 冥想入门与科学视角

00:00 冥想的定义与益处

00:38 冥想的多种形式与目标

01:24 冥想如何改变我们的存在方式

02:34 冥想的演变与科学之路

02:34 个人经历与早期研究

03:37 冥想与迷幻药的历史交织

04:50 冥想的广泛接受与商业化

11:55 冥想的神经科学基础

11:55 大脑核心区域：前额叶皮层、前扣带皮层、脑岛

20:09 人类思维的复杂性：过去、现在、未来

21:19 正念的定义与核心

22:11 内在与外在感知（内感受与外感受）

22:11 通用冥想形式的神经生理转变

29:06 内感受与外感受的连续谱

31:44 高低内感受意识的利弊

36:45 评估你的内外感受偏向

38:09 心智漫游与默认模式网络

38:09 默认模式网络（DMN）的定义

39:53 《走神的大脑是不快乐的大脑》研究

44:59 活在当下的重要性

46:00 冥想实践：方法与策略

46:00 冥想与当下幸福感

47:12 对抗默认状态的冥想策略

50:53 神经可塑性与冥想效果

52:57 冥想中的“重新聚焦”

01:00:43 冥想时长与坚持的重要性

01:01:47 推荐工具：Sam Harris的Waking Up应用

01:03:24 “眉心轮”与前额叶皮层

01:03:24 眉心轮与松果体的误解

01:07:36 大脑没有感觉神经元

01:08:10 冥想中专注于大脑：思想、情绪和记忆的涌现

01:13:12 呼吸模式与意识状态

01:13:12 冥想中的呼吸模式

01:21:59 冥想时如何呼吸：放松或警觉

01:27:07 呼吸功本身就是一种冥想

01:28:16 呼吸练习与内感受敏锐度

01:29:10 内感受与解离的连续谱

01:29:10 冥想的第三个组成部分：内感受与解离

01:33:35 内感受与解离的健康平衡点

01:36:39 心理健康模型：V形、U形与凸形

01:45:54 冥想对情绪的积极影响

01:49:21 冥想、睡眠与恢复

01:49:21 冥想能否替代睡眠？

01:54:42 瑜伽休息术（Yoga Nidra）与非睡眠深度休息（NSDR）

01:57:31 NSDR/瑜伽休息术与睡眠改善

01:58:40 冥想与NSDR/瑜伽休息术的对比

02:02:17 时空桥接冥想（STB）

02:02:17 STB冥想的独特之处

02:05:23 STB冥想的实践步骤

02:08:45 STB冥想的益处：意识引导与灵活性

02:13:02 总结与展望

02:13:02 冥想的更多维度

02:13:33 未来播客预告

🌟 精彩内容

💡 **冥想的个性化定制：对抗你的默认状态**

Andrew Huberman教授指出，冥想并非一刀切。关键在于评估你当前的“内外感受偏向”（是更关注身体内部感觉，还是更关注外部环境），然后选择一种“对抗”你默认状态的冥想练习。例如，如果你思绪万千，过度“在脑子里”，就应选择专注于外部事物的冥想；如果你容易被外部干扰，则应选择专注于内在的冥想。这种“不适”正是神经可塑性发生、大脑回路改变的关键。

🧠 **心智漫游是不快乐的根源**

引用《科学》杂志的经典研究“A Wandering Mind Is an Unhappy Mind”，Andrew强调，无论在做什么，思绪游走都与不快乐相关，即使是快乐的想法也如此。冥想的核心目标之一，就是帮助我们锚定当下，减少心智漫游，从而提升幸福感。冥想并非要完全停止思考，而是训练我们更快地“重新聚焦”的能力。

😴 **冥想与睡眠：NSDR/瑜伽休息术的独特作用**

传统专注型冥想（如眉心轮冥想）虽然能提升专注力和情绪，但若临睡前进行，可能反而影响入睡。对于改善睡眠和补充精力，Andrew强烈推荐“非睡眠深度休息”（NSDR）或“瑜伽休息术”（Yoga Nidra）。这些是反专注的练习，通过身体扫描和放松来降低皮质醇、补充神经递质，已被证明能显著改善失眠，甚至可能减少所需的总睡眠量。

🌉 **时空桥接冥想（STB）：灵活驾驭意识**

Andrew介绍了一种独特的“时空桥接冥想”，它结合了内外感受、呼吸和视觉对时间感知的调节。通过逐步将注意力从内在（眉心轮/呼吸）转移到近处（手掌），再到远处（地平线

📝 本期播客简介

本期节目，我们克隆了 Gavin Baker - Nvidia v. Google, Scaling Laws, and the Economics of AI - [Invest Like the Best, EP.451]

邀请到 Patrick 的老朋友、硅谷顶尖投资人 Gavin Baker。Gavin 以其对市场、科技前沿的深刻洞察和极富感染力的表达而闻名。在本期节目中，他将带领我们深入探讨AI领域的最新进展和未来趋势。从谷歌 Gemini 3 的发布，到英伟达 Blackwell 芯片的复杂挑战，再到AI扩展定律的演变，Gavin 将揭示AI基础设施背后的激烈竞争和经济逻辑。我们还将探讨AI如何从“更智能”走向“更有用”，以及它对企业生产力、客户支持和销售的颠覆性影响。Gavin 更会分享他关于太空数据中心这一“疯狂”想法的独特见解，以及SaaS公司在AI时代面临的生存挑战。最后，他还首次分享了自己投身投资行业的传奇起源故事。

👨‍⚕️ 本期嘉宾

Gavin Baker，硅谷顶尖投资人，以其对市场、科技前沿的深刻洞察和极富感染力的表达而闻名。

⏱️ 时间戳

AI前沿洞察与方法论

01:55 Gavin如何分析AI新进展：亲身体验与专家追踪

05:23 AI扩展定律的演变：从预训练到后训练的新范式

芯片大战：谷歌 vs. 英伟达

08:07 AI发展核心：谷歌TPU与英伟达GPU的竞争

09:57 Blackwell芯片的复杂挑战与延迟影响

11:15 谷歌作为低成本token生产商的战略考量

15:51 TPU与GPU的技术路线差异及ASIC自研困境

AI的未来与应用场景

21:24 AI的“有用性”：从智能到解决实际问题

23:36 “可验证即自动化”：AI如何赋能企业职能

28:19 边缘AI：最具威胁的看空理由

33:15 AI投资回报率：创业公司与财富500强的差异

39:36 前沿实验室的动态：Meta、Anthropic与xAI的博弈

颠覆性技术与宏大愿景

51:17 太空数据中心：能源、冷却与网络连接的终极解决方案

56:24 AI算力供需：短缺、过剩与调控阀

01:00:05 电力：AI时代的新瓶颈与解决方案

行业变革与投资机遇

01:04:45 半导体VC的崛起：老兵新传与生态系统加速

01:08:59 SaaS公司的AI困境：毛利率与生存之战

01:13:20 滚动泡沫：核能、量子与AI的“科技元素圈”

Gavin的投资生涯起源

01:17:19 投资的本质：对真理的追寻与个人成长故事

🌟 精彩内容

💡 AI分析方法与扩展定律新范式

Gavin强调了亲身体验付费版AI模型、关注顶级专家（如Andre Karpathy）和实验室领导人言论的重要性。他指出，Gemini 3再次验证了预训练扩展定律，但更重要的是，RL与验证奖励以及测试时计算这两条新的后训练扩展定律，正在推动AI的巨大进步。

“你必须得花钱用最高级的版本……那些版本才像一个完全成熟的三十、三十五岁的成年人。”

“对于软件，任何你能明确定义的东西，都能自动化；而对于 A I，任何你能验证的东西，都能自动化。”

⚔️ 谷歌与英伟达的芯片竞赛

Gavin深入剖析了AI基础设施领域谷歌TPU与英伟达GPU的激烈竞争。他解释了英伟达Blackwell芯片在技术上的复杂性和部署挑战，以及谷歌作为低成本token生产商的战略优势。他预测，随着Blackwell和GB300的普及，AI领域的成本结构和竞争格局将发生深刻变化。

“要理解 A I 领域的一切，都离不开谷歌和英伟达之间的竞争。”

“谷歌作为低成本生产商，一直在抽干 A I 生态系统的经济氧气，这对他们来说是极其理性的策略。”

🚀 AI的未来：从智能到“有用”

Gavin认为，AI的发展正从追求“更智能”转向追求“更有用”。他指出，Blackwell等新芯片将大幅降低token成本，使AI模型能够“思考”更长时间，从而在客户支持、销售和个人助理等领域实现更广泛的应用。他强调，AI自动化任何“可验证”的任务，将带来巨大的生产力提升。

“我们需要从追求更智能转向追求更有用，除非更高的智能开始带来重大的科学突破。”

“如果它能预订餐厅，那离预订酒店、机票，和帮我叫优步也就不远了。”

📉 SaaS公司的AI生存挑战

Gavin警告称，SaaS公司

📝 本期播客简介

本期播客，我们克隆了伯克利的一期公开课 Bill Dally - Trends in Deep Learning Hardware

荣幸邀请到英伟达首席科学家兼研究高级副总裁、斯坦福大学客座教授Bill Dally。作为计算领域的泰斗，Bill Dally分享了他对深度学习硬件未来趋势的独到见解。他回顾了深度学习从算法萌芽到GPU引爆的历程，揭示了硬件性能提升的真正驱动力——从数值表示、复杂指令集到稀疏性利用，以及如何通过并行计算应对模型规模的爆炸式增长。Bill Dally还深入探讨了当前深度学习应用面临的挑战，如Agent模式、预填充与解码阶段的差异化需求、以及思维链推理对硬件提出的严苛要求。他展望了未来硬件设计方向，包括3D堆叠内存、优化的数值表示法、结构化稀疏性，并分享了他对通用加速器和超越CMOS技术范式的思考。

👨‍⚕️ 本期嘉宾

Bill Dally，英伟达首席科学家兼研究高级副总裁，斯坦福大学客座教授（曾任斯坦福计算机系主任）。他是美国国家工程院院士，电气电子工程师学会、计算机协会及美国艺术与科学学院会士，曾荣获伊丽莎白女王工程奖、本杰明·富兰克林奖等众多荣誉，在硬件和软件创新领域做出了卓越贡献。

⏱️ 时间戳

00:00 开场 & 嘉宾介绍

深度学习的崛起与硬件的推动

00:51 深度学习的变革力量：ChatGPT的自我认知与量子化学AI系统Ente

02:34 深度学习成功的三要素：算法、数据与硬件

03:36 硬件的引爆点：GPU与深度学习的火箭式发展

04:08 模型计算量爆炸：从AlexNet到Transformer的千万倍增长

05:06 GPU的诞生：政府资助研究与CUDA的演变

GPU性能提升的秘密

06:29 GPU性能飞跃：过去十年推理性能每年翻倍

06:57 摩尔定律之外：架构与设计的五千倍提升

07:21 数值表示的巨大贡献：从FP32到FP4的32倍提升

08:37 复杂指令集：从点积到矩阵乘法的效率革命

10:54 工艺进步的有限贡献：28纳米到4纳米仅3倍能效提升

11:10 稀疏性与“作弊”：Blackwell的2倍稀疏度与芯片面积翻倍

11:46 模型优化：GoogleNet等算法带来的额外性能提升

12:12 Blackwell架构：工程奇迹与NVHBI互连

并行计算：突破性能瓶颈

12:57 多维度并行：数据并行、流水线并行与张量并行

14:59 通信技术：NVLink与InfiniBand构建大规模AI集群

16:30 英伟达数据中心：系统规模与计算性能的七万倍增长

软件栈：深度学习的另一半

16:51 软件的挑战：从cuDNN到Modulus、Clara等应用栈

18:36 软件壁垒：构建完整高效软件栈的难度

19:00 MLPerf基准测试：英伟达的领先地位与软件优化带来的性能提升

未来挑战与硬件设计方向

20:15 Agent模式的兴起：大语言模型与工具、记忆的结合

21:17 LLM运行的独特阶段：预填充（Prefill）与解码（Decode）的挑战

22:30 解码阶段的内存与延迟需求：每秒千级Token的挑战

23:20 思维链推理（Chain of Thought）：多轮迭代对硬件的严苛要求

24:33 硬件设计师的应对：极高Token生成速率的需求

25:35 内存带宽与通信延迟：Blackwell面临的巨大挑战

26:37 新模型与注意力机制：混合专家模型与多头潜在注意力

27:50 能量消耗分析：数学计算、内存带宽与数据移动

28:55 3D堆叠内存：降低HBM内存能耗与提升带宽的潜力

30:12 数值表示的艺术：从整数到浮点、对数与码本

31:04 脉冲表示法的低效：CMOS电路中的能耗问题

31:58 比较数值表示法：成本与准确性的权衡

33:13 符号表与剪枝：优化权重表示以提高精度

34:28 对数表示法：乘法变加法与误差分布的优势

36:07 对数加法的挑战与延迟策略

37:37 数值表示优化：缩放与裁剪最小化误差

40:21 粒度优化：从层级到向量级的缩放与裁剪

41:09 稀疏性利用：结构化稀疏与Ampere架构

42:53 加速器原型：探索每瓦算力的极限

43:37 指令开销：CPU与GPU的巨大差异

44:13 内存访问成本：局部性与跨层级访问的能耗

45:14 异构加速器：为不同阶段优化计算与内存

46:31 Magnet加速器：每瓦百万亿次运算的里程碑

46:58 电压缩放：优化每瓦性能的巨大机会

48:04 通用加速器愿景：模块化设计应对多领域应用

总结与问答

49:30 深度学习的未来：提升人类体验与模型优化

50:12 当前挑战：分离式推理、思维链与新注意力机制

50:54 硬件的成就：GPU性能的惊人增长与优化细节

52:00 Q&A: 互连技术与NVLink的重要性

53:30 Q&A: 数学运算与通信能耗的界定

54:36 Q&A: AI功耗与人脑效率的对比

56:19 Q&A: 电压堆叠与CMOS工艺的兼容性

57:47 Q&A: 未来十年计算能力的预测

59:02 Q&A: 超越CMOS的脉冲计算范式

59:45 Q&A: 晶体管尺寸极限与工艺技术的未来

📝 本期播客简介

本期我们克隆了知名播客《Huberman Lab 播客》的一期深度对谈，主持人 Andrew Huberman 与世界闻名的舞蹈家和编舞家 Twyla Tharp 展开了一场充满火花的对话。Twyla Tharp 以其敏锐的洞察力和对创作过程的独特理解而闻名，她将与我们分享如何通过自律和身体智慧实现卓越。从她每天清晨五点开始的严苛健身习惯，到对“主心骨”创作理念的深刻阐释，再到对艺术价值、身体与心智关系的独到见解，Twyla Tharp 挑战了许多传统认知，强调了热爱、坚持和不断突破自我的重要性。这不仅是一场关于舞蹈的对话，更是一堂关于如何活出充实、有创造力人生的实践大师课。

克隆自：Master the Creative Process | Twyla Tharp

👨‍⚕️ 本期嘉宾

Twyla Tharp，世界闻名的舞蹈家和编舞家，以其敏锐的洞察力和对创作过程的独特理解而闻名。她的作品跨越舞台和电影，被誉为史上顶尖的创意艺术家之一。她著有《创作的习惯》一书，详细阐述了如何建立日程、习惯和流程以实现最佳创意表达。即使在八十四岁高龄，她依然保持着令人惊叹的身体力量和精神活力。

⏱️ 时间戳

00:00 开场 & 播客简介

00:00 欢迎收听跨国串门计划

01:56 Twyla Tharp 的自律与创作观

02:47 Huberman Lab 播客介绍 Twyla Tharp

创作的基石：自律与“主心骨”

03:07 “主心骨”：创作的专注与聚焦

08:54 创作者的意图与观众

12:39 艺术家的成长与挑战：成功比失败更难以为继

14:13 创作过程中的私下失败与舞者选拔

22:55 艺术的价值与“美”的价位

32:47 Misha 与舞蹈的商品化：魅力与大众联结

35:51 品味与直觉：保护和提炼你的本能

身体的智慧与训练

41:14 古典芭蕾训练：身体控制的基础

53:45 创作的“主心骨”与习惯：从微小迹象开始构建

58:08 自律并非享受：源于童年农场与母亲的训练

01:02:31 非语言交流与心灵感应：从家庭翻译到社群共鸣

01:08:22 VR、拳击与力量：身体的极限与突破

01:12:42 把杆练习：身体智慧的进化

01:19:02 身体先于大脑：直觉与运动的本源

艺术与人生哲思

01:23:47 教育与高标准：培养自律与行为规范

01:27:53 评论与内在标准：爱与客观的平衡

01:35:51 社交媒体与即时反馈：污染核心动机的风险

01:41:19 为没有回报而工作：热爱过程的价值

01:46:16 卓越与长寿：接受身体衰退，保持无畏与分享

02:11:45 名字与自我认知：母亲的“明星之路”暗示

播客结束

02:12:41 Andrew Huberman 感谢 Twyla Tharp

02:14:19 播客信息补充与推广

🌟 精彩内容

💡 自律的真谛：不是享受，而是现实所需

Twyla Tharp 每天清晨五点开始健身两小时，并非因为热爱，而是将其视为为一天定下基调的工具。她直言：“如果你不想干活的时候就不干，那你真想干活的时候，也就干不成了。”这种严苛的自律源于她农场生活的童年经历和母亲的严格训练，让她深刻理解工作伦理和社群协作的重要性。

🧠 “主心骨”创作法：专注与直觉的融合

Tharp 强调，无论是写书、编舞还是做播客，创作者都必须找到作品的“主心骨”——一个核心的专注点。她以阿加莎·克里斯蒂的侦探小说为例，说明创作者如何围绕一个核心结论展开叙事，同时巧妙地引导观众。她还提出，创作的“意图”和“为什么做这件事”至关重要，这决定了创作的可能性，而直觉的保护和提炼是品味形成的关键。

💪 身体的智慧：超越大脑的本能

在讨论古典芭蕾训练时，Tharp 提出了一个引人深思的问题：“是身体已经明白了，大脑，我们只是在教育你？还是大脑在告诉身体该做什么？”她认为身体的直觉有时先于大脑，能够感知到如何通过更开放的旋转跳得更高。她强调运动是人类最基础的行动方式，并呼吁社会应更尊重舞蹈作为一种艺术形式。

🚀 成功比失败更难以为继：持续突破的艺术

Tharp 颠覆性地指出，成功比失败更难以为继。成功可能带来舒适区和固化，而真正的艺术家需要不断改变和突破。她以贝多芬为例，阐释了艺术家晚期作品的深刻性源于知识和经验的增长，以及不断挑战自我的勇气。她认为，一个有趣的艺术家是一个选择的制造者，而非仅仅为了迎合或得分。

❤️ 热爱与卓越：内在驱动的力量

面对外部评论和压力，Tharp 强调创作者必须对作品怀有“非凡程度的爱”，因为作品是“你的孩子”。她认为，真正的卓越不是为了外部奖励，而是源于内在对“我能做得更多”的追求。她鼓励人们找到自己真正热爱并擅长的事情，并确保至少一半的时间花在其中，因为这种发自内心的热爱是应对人生马拉松、保持能量和创造力的关键。

🌐 播客信息补充

本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的

使用 AI 进行翻译，因此可能会有一些地方不通顺；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介

本期我们克隆了：AI Engineer Podcast

VoiceVision RAG - Integrating Visual Document Intelligence with Voice Response — Suman Debnath, AWS

本期播客中，AWS首席机器学习布道师Suman Debnath深入探讨了多模态检索增强生成（RAG）技术的最新进展，特别是针对传统RAG在处理图像密集型文档时面临的挑战。Suman详细介绍了Call Pal这一基于视觉的检索模型，它如何通过将文档页面视为图像、并利用图像分块和“延迟交互”机制来理解视觉上下文，从而实现更精准的检索。他不仅从理论层面解释了Call Pal的工作原理，包括其与视觉语言模型的关联，还通过一个详细的代码演示，展示了如何使用Call Pal与Quadrant向量数据库，并结合Strands Agent框架，构建一个能够进行视觉检索并以语音形式生成答案的智能应用。Suman强调，Call Pal并非要取代传统RAG，而是一种针对特定复杂视觉数据集的强大补充，为听众提供了关于何时以及如何有效利用这项前沿技术的实用指导。

👨‍⚕️ 本期嘉宾

Suman Debnath，AWS首席机器学习布道师。他专注于自然语言处理（NLP）、检索增强生成（RAG）和模型微调等领域，是多模态AI和Agent框架方面的专家。

⏱️ 时间戳

00:00 开场 & 播客简介

视觉RAG与Agent框架概览

01:56 Suman开场：视觉检索与Agent框架的探索之旅

03:11 互动环节：了解听众背景与资源分享

05:07 GitHub仓库导览：基于视觉的Agent RAG实践

传统多模态RAG的挑战

06:14 多模态RAG的传统实现方法

06:18 方法一：实体分离与多模态Embedding

08:26 方法二：实体摘要与文本Embedding

09:24 方法三：摘要检索与原始数据生成

11:41 传统RAG的局限性：图像密集型文档的困境

Call Pal：基于视觉的检索模型

14:22 灵感来源：模仿人类阅读与理解

15:34 Call Pal模型概述：将页面视为图像并分块处理

16:18 Call Pal核心机制：Embedding与检索

16:53 视觉语言模型基础：对比学习与正向提示

20:32 Call Pal的Embedding过程：预处理与向量生成

22:59 延迟交互检索：查询与图像分块的相似度计算

代码实践：Call Pal与Agent工作流

25:50 演示环境搭建：模型、数据与Quadrant数据库

32:26 数据准备：PDF转图片及元数据处理

33:07 Embedding生成：Call Pal模型处理图片

34:10 语义搜索：基于查询检索相关页面

34:53 答案生成：结合多模态LLM输出结果

37:21 Strands Agent框架：轻量级Agent构建

38:05 Strands Agent简介：模型优先与工具集成

43:02 自定义检索工具：Call Pal与Agent的结合

45:16 增强Agent：加入语音输出功能

问答环节：应用与未来展望

49:26 生产环境应用与扩展性考量

52:59 Call Pal与传统RAG：选择与权衡

56:00 混合架构探索：Call Pal与传统RAG的结合

57:21 模型微调：Call Pal的优化潜力

🌟 精彩内容

💡 传统多模态RAG的局限与Call Pal的诞生

Suman Debnath深入剖析了当前多模态RAG在处理视觉信息（如扫描PDF、图像嵌入文本）时的不足，引出Call Pal这一创新模型。Call Pal通过将每个文档页面视为一张图片，并对其进行分块处理，从而更好地捕捉视觉上下文，解决了传统OCR技术难以应对的挑战。

“我只有在我的数据集非常奇特，并且作为人类，你都觉得我必须看着它才能读懂的情况下，我才会用这个方法。”

🛠️ Call Pal的“延迟交互”检索机制

Call Pal的核心在于其独特的“延迟交互”检索机制。它将文本查询的每个token与图像分块的embedding进行点积运算，并聚合最大相似度得分，以评估查询与整个页面的相关性。这种方法能够精准识别包含关键视觉信息的页面，而非仅仅匹配零散的文本片段。

“如果你想找个法子从公司换台新电脑，这就是那个单元格了。你可以试试。” (关于CPU运

📝 本期播客简介

本期我们克隆了：硅谷顶尖创投播客《Lenny's Podcast》The 100-person lab that became Anthropic and Google's secret weapon | Edwin Chen

节目邀请到 Surge AI 的创始人兼 CEO Edwin Chen。Edwin 曾是谷歌、Facebook 和推特的研究员，他创办的 Surge AI 在不到四年内实现了十亿美元营收，且完全是自有资金，为顶尖 AI 实验室提供数据支持。Edwin 的经历堪称硅谷传奇，他不仅以极小的团队创造了惊人的商业成就，更对 AI 的发展方向有着独到且深刻的见解。

在对话中，Edwin 犀利地指出当前 AI 发展中存在的误区，例如过度依赖不可靠的基准测试、为“AI 垃圾内容”优化模型、以及硅谷“闪电式扩张”和“追逐估值”的创业文化。他强调高质量数据和人类“品味”在 AI 训练中的核心作用，并分享了 Surge AI 如何通过强化学习环境等创新方法，帮助 AI 模型实现更接近人类的学习方式。

这不仅是一个关于创业成功的案例，更是一场关于 AI 哲学、价值观和未来方向的深度探讨，为所有关注 AI 发展和希望以不同方式创业的听众提供了宝贵的洞察。

👨‍⚕️ 本期嘉宾

Edwin Chen，Surge AI 的创始人兼 CEO。他是一位杰出的研究员和连续创业者，曾任职于谷歌、Facebook 和推特。他以不到百人的团队，在四年内将 Surge AI 从零做到十亿美元营收，且完全是自有资金，为全球领先的 AI 实验室提供数据支持。Edwin 对 AI 的未来发展、数据质量和创业理念有着深刻而独特的见解。

⏱️ 时间戳

00:00 开场 & 播客简介

Surge AI 的崛起与独特理念

01:58 Surge AI 的惊人成就：四年十亿营收，自有资金

02:09 不玩硅谷那套：小而精团队，不融资，不炒作

05:06 AI 时代的公司形态：高人效比，专注产品与技术

06:53 刻意低调：靠产品口碑而非公关宣传

AI 模型的数据质量与“品味”

08:19 Surge AI 核心业务：教 AI 模型辨别好坏

08:35 定义“质量”：从机械标准到诺贝尔奖级诗歌的深度思考

10:17 如何衡量数据质量：千个信号，机器学习算法

11:37 Claude 成功的秘密：数据质量与实验室的“品味”

AI 发展方向与基准测试的陷阱

15:56 基准测试的不可靠性：缺陷、误导性与“应试教育”

17:04 衡量真实进展：专家级人类评估的价值

18:08 人类在 AGI 发展中的核心作用

18:36 AGI 时间线预测：十年甚至几十年

19:16 AGI 发展方向的担忧：优化“AI 垃圾内容”，追逐多巴胺而非真理

22:03 Anthropic 的原则性：坚守价值观，不随波逐流

强化学习与 AI 模型学习新范式

26:42 AGI 需要新方法：模仿人类百万种学习方式

27:49 强化学习环境：模拟真实世界，揭示模型弱点

32:00 关注“轨迹”：过程比结果更重要

33:10 AI 训练方法的演进：SFT, RLHF, 评分标准到强化学习环境

Surge AI 的研究驱动与未来愿景

36:08 投资研究：前线部署与内部基准测试开发

37:57 研究实验室心态：推动前沿，而非追求估值

38:23 招聘需求：对数据、数学、语言、计算机科学交叉领域充满热情的人

创始人理念与硅谷创业反思

23:34 “硅谷机器”的弊端：转型、闪电扩张、追逐估值

24:01 Edwin 的创业建议：打造独一无二的产品，坚持使命

26:00 雄心与信念：成功的基石

Edwin 的个人背景与驱动力

42:30 独特背景：数学、语言与计算机科学的交叉

43:59 科学家本色：理解宇宙，亲手实践

46:18 Surge 的使命：塑造 AI 的未来，定义正确的“目标函数”

AI 市场宏观趋势与被低估/高估的领域

38:59 模型差异化：公司价值观塑造 AI 个性

40:50 被低估的 AI 趋势：聊天机器人内置产品功能

41:22 被高估的 AI 趋势：“凭感觉编程”的维护性问题

闪电问答

51:31 推荐书籍：《你一生的故事》、《西西弗神话》、《Le Ton beau de Marot》

53:02 喜欢的影视：《穿越者》、《超时空接触》

53:33 喜欢的近期产品：Waymo 自动驾驶

54:04 人生格言：打造只有自己能打造的公司

55:28 “Soda”还是“Pop”：Soda

结尾与致谢

56:27 联系方式与招聘

56:51 听众如何帮助：博客话题建议，分享 AI 失败案例

🌐 播客信息补充

本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的

使用 AI 进行翻译，因此可能会有一些地方不通顺；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介

本期节目深度访谈了全球最具影响力的创作者之一Jimmy Donaldson，即大家熟知的MrBeast，以及他公司的CEO Jeff Haal。MrBeast坐拥数十亿播放量，其商业触角从数字内容延伸到实体消费品和慈善事业，公司估值高达52亿美元。节目中，他们共同揭秘了MrBeast如何从一个痴迷于病毒式传播的少年，成长为内容巨星，并构建起一个庞大商业帝国的传奇故事。你将听到他如何破解注意力经济、打造普世内容、利用影响力行善，以及他对未来内容产业和商业模式的深刻洞察。

翻译克隆自：MrBeast on Cracking the Attention Economy

👨‍⚕️ 本期嘉宾

Jimmy Donaldson (MrBeast)：YouTube巨星，全球拥有最多粉丝的创作者之一，其视频播放量达数十亿。他的商业版图包括YouTube频道、亚马逊Prime上的《Beast Games》、巧克力品牌Feastables等消费品，以及慈善事业。

Jeff Haal：Beast Industries的CEO，MrBeast商业帝国的核心管理者。

⏱️ 时间戳

播客简介与MrBeast的崛起

00:00 播客介绍与MrBeast影响力概述

02:12 早期探索：少年MrBeast对病毒式传播的痴迷

03:12 母亲的看法：从不解到支持的转变

04:25 少年MrBeast的预言：十年前的视频展望未来

05:21 少年时期定时发布视频的趣事

内容创作与注意力经济

06:10 破解注意力经济：算法洞察与普世内容创作

07:41 注意力经济的挑战：内容长度与观众习惯

08:13 YouTube内容长度的变化：长视频趋势与商业化历程

09:06 碎片化名气：MrBeast的独特性与行业挑战

11:21 MrBeast的日常：高强度工作与300人团队

12:06 内容质量反思：回归故事核心，而非仅靠大场面

13:16 持续超越自我的挑战：内容细节打磨的重要性

商业帝国与社会影响力

14:31 多平台策略：YouTube的深度优势与其他平台的重要性

15:57 个人社交媒体使用：积极算法管理与内容消费

17:26 社交媒体对儿童的影响：正面利用与慈善实践

18:50 CEO Jeff Haal登场：52亿美元估值与MrBeast的合作

20:33 Beast Industries业务板块：媒体、消费品与创作者平台

22:05 收入结构与全球化战略：70%观众来自北美以外

23:02 品牌多元化：摆脱对MrBeast个人出镜的过度依赖

23:52 避免争议：利用影响力行善，而非制造话题

27:43 传统媒体合作：与亚马逊Prime合作《Beast Games》

30:12 “Beast Games”的投资价值：全球影响力与跨平台分发

31:28 “Beast Games”第一季的教训：参赛者管理与改进

33:03 Beast Industries的未来愿景：最具影响力的娱乐品牌

33:47 MrBeast的榜样：从Elon Musk和Steve Jobs汲取精华

34:36 与母亲的关系：从假装上大学到母亲加入团队

🌟 精彩内容

💡 破解注意力经济的秘密

MrBeast分享了他如何从少年时期就痴迷于研究病毒式传播，并最终理解了YouTube算法的本质——它是人类兴趣的镜子。他强调，要创作全球普世内容，就必须触及更本质的人性，例如通过“分手情侣手铐挑战”来引发共鸣。

“如果你想做一个印度人、美国人和南美洲人都能欣赏的内容，那它显然不能太有文化地域性…它需要触及更本质的人性。”

🚀 内容策略的演变与反思

MrBeast揭示了YouTube内容长度的趋势，在美国市场，长视频反而更受欢迎。他近期反思内容质量，强调要从单纯追求大场面和高奖金转向更深度的故事叙述，因为观众对金钱和大场面会麻木，但对好故事永远不会。

“我们每个视频都花几百万美元，搞各种大场面，但是我们已经火了六七年了，时间一长，你对发钱或者看大场面会有点麻木，但听一个好故事是永远不会麻木的。”

💰 52亿美元的商业帝国

CEO Jeff Haal详细介绍了Beast Industries的三大业务板块：媒体内容（YouTube、TikTok、亚马逊等）、消费品与服务（Feastables巧克力、玩具、金融服务等）以及即将推出的创作者平台。公司70%的观众来自北美以外，展现了强大的全球化能力。

“我们的使命是成为世界上最具影响力的娱乐品牌。”

❤️ 利用影响力行善

MrBeast坚持避免争议性话题，而是将巨大的影响力用于积极的社会事业。他以Feastables巧克力品牌为例，讲述了如何通过道德采购可可、支付公平工资来对抗童工问题，并计划通过视频曝光和建立学校来扩大积极影响。

“我宁愿把聚光灯用在这样的事情上，而不是去说那些老生常谈的话。”

📈 跨平台与长视频策略

MrBeast解释了为何与亚马逊Prime合作推出《Beast Games》这样的长篇系列节目。他认为YouTube适合短视频，而流媒体平台则能承载更宏大、更具情感投入的六小时节目，触达更广泛、更年长的观众群体。

“一个人花五秒钟看你的一个片段，和坐下来看你一个二十分钟的视频，听你说话，了解你，这之间

📝 本期播客简介

本期节目，我们克隆了The Pragmatic Engineer

他们邀请到了敏捷软件、软件架构和重构领域的权威 Martin Fowler。作为《敏捷宣言》的作者之一和畅销书《重构》的作者，Martin 将分享他职业生涯中对技术变革的深刻洞察。他认为，人工智能是软件开发史上最大的变革，其核心在于从确定性系统转向非确定性系统。我们将探讨AI如何重塑软件工程，包括“氛围感编程”的利弊、AI在理解遗留代码和原型开发中的应用，以及它对重构和敏捷实践的影响。Martin还将分享他对技术雷达的制作流程、模式在软件架构中的演变，以及在AI时代，初级工程师如何学习和成长。

翻译克隆自：How AI will change software engineering – with Martin Fowler

👨‍⚕️ 本期嘉宾

Martin Fowler，ThoughtWorks 首席科学家，敏捷软件、软件架构和重构领域的权威。他是2001年《敏捷宣言》的作者之一，也是畅销书《重构》的作者，并定期在他的博客上发表关于软件工程的文章。

⏱️ 时间戳

00:00 开场 & 播客简介

00:06 AI：职业生涯中最大的变革，从确定性到非确定性

00:57 Martin Fowler 介绍

01:45 Martin Fowler 的职业生涯

01:58 早期经历：从电子工程到计算机编程

03:27 初入职场：在咨询公司接触面向对象

05:09 独立顾问与 ThoughtWorks 的缘分

07:26 “首席科学家”头衔的由来与职责

08:44 ThoughtWorks 技术雷达

09:19 技术雷达的起源与制作流程

10:58 雷达的运作方式与微服务案例

12:26 技术雷达对行业动态的洞察

14:11 AI 对软件工程的变革

14:11 AI 是最大的变革：与汇编到高级语言的转变类比

16:13 从确定性到非确定性的思维转变

17:16 抽象层次的提升与非确定性实现的挑战

18:39 通过严谨的语言与 AI 协作：Unmesh Joshi 的观点

19:50 广泛应用的非确定性工具：LLM 带来的新挑战

21:32 LLM 的新兴工作流：原型开发与“氛围感编程”

22:12 LLM 在理解遗留系统中的巨大成功

24:07 与 LLM 协作的挑战：低信任度与迭代审查

27:52 “氛围感编程”的弊端：缺失学习闭环

31:18 LLM 在探索不熟悉环境中的辅助作用

32:48 LLM 与 Stack Overflow 的对比：规模化复制粘贴的风险

34:37 不信任但要验证：LLM 输出的审查与测试

35:54 LLM 的“谎言”：不要盲目信任

37:43 规范驱动开发与领域语言

38:03 规范驱动开发与敏捷的循环迭代

39:08 构建领域语言：LLM 模糊思维与代码界限

40:12 紧密代表代码的语言：企业沟通的桥梁

41:21 企业级软件开发的复杂性：监管、遗留系统与历史包袱

42:52 风险容忍度的差异：创业公司与大型企业

46:12 重构与软件架构

46:24 《重构》一书的诞生与早期影响

49:16 “重构”概念的滥用与小步修改的精髓

50:04 《重构》第二版的更新与 JavaScript 示例

52:15 AI 时代重构的重要性：处理大量代码的质量

53:18 LLM 作为重构的起点与确定性工具的结合

55:29 软件架构模式的兴衰

56:23 模式作为交流词汇表的作用

57:56 模式的时尚周期与企业内部的行话

59:34 云计算对架构模式的影响：Grady Booch 的观点

01:02:23 大型企业系统现代化的漫长过程

01:04:15 敏捷宣言与 AI 时代

01:04:30 《敏捷宣言》的诞生故事

01:07:06 敏捷的成功：改变了与客户的合作方式

01:09:08 AI 时代敏捷的有效性：更短的增量与反馈循环

01:11:34 提高周期时间：敏捷在 AI 时代的核心杠杆

01:13:01 AI 时代的学习与成长

01:13:15 Martin Fowler 如何学习 AI：与作者协作与阅读

01:15:26 如何识别好的信息来源：缺乏确定性与细微差别

01:18:42 给初级软件工程师的建议：寻找导师与不信任但验证 AI

01:21:11 对科技行业的整体感受：机遇与挑战并存

01:22:36 AI 泡沫与零利率时代的结束：宏观经济影响

01:23:48 软件开发的核心技能：沟通与理解需求

01:25:56 快速问答

01:25:56 最喜欢的编程语言：Ruby 与 Smalltalk

01:26:22 书籍推荐：《思考，快与慢》与《权力掮客》

01:28:45 桌游推荐：《Concordia》

01:30:01 总结与展望

01:30:01 AI 带来的确定性到非确定性转变

01:30:44 “氛围感编程”的风险：停止学习与不理解软件

🌟 精彩内容

📝 本期播客简介

本期我们克隆了全球产品管理和科技领域极具影响力的播客《Lenny's Podcast》的精彩对话，主持人Lenny Rachitsky与领英前首席产品官Tomer Cohen的深度访谈。Tomer Cohen在领英服务十四年，是硅谷产品领导力的杰出代表。本次对话聚焦领英颠覆性的“全栈构建者”产品开发模式，这一模式旨在应对到2030年70%工作技能将发生变化的挑战，并利用A I赋能个人将想法从概念推向市场。Tomer Cohen详细阐述了领英如何通过重构平台以适应A I、开发定制化A I Agent（如评估产品规格信任风险的“信任Agent”、优化增长策略的“增长Agent”以及分析用户痛点的“研究Agent”）来自动化繁琐任务，从而解放人类的愿景、共情、沟通、创造力和判断力。他还分享了文化转型在推广这种新模式中的关键作用，包括如何通过绩效评估和成功案例来激励员工拥抱“全栈思维”，并探讨了A I如何让顶尖人才变得更不可思议。这不仅是关于A I赋能的实践，更是对未来组织形态和个人职业发展的深刻思考，以及“成为”比“是”更重要的成长心态。

翻译克隆自：The end of product managers? Why LinkedIn is turning PMs into AI-powered “full stack builders”

👨‍⚕️ 本期嘉宾

Tomer Cohen，领英前首席产品官（CPO），在领英服务十四年，是硅谷产品领导力的杰出代表。

⏱️ 时间戳

00:00 开场 & 播客简介

变革的必然性与“全栈构建者”模式的诞生

01:11 职场剧变：到2030年70%工作技能将发生变化

02:21 领英的“全栈构建者”计划：重塑产品开发模式

04:05 为什么需要变革：传统产品开发流程的复杂性与低效

05:01 回归第一性原理：重新定义“构建”

06:18 流程与组织复杂性：职能微观专业化的弊端

07:13 AI时代的机会：重新整合技术栈，回归工匠精神

“全栈构建者”的核心理念与实践

09:24 赋能构建者：端到端地将想法推向市场

10:04 人类核心能力：愿景、共情、沟通、创造力与判断力

11:12 组织形态变革：像“海豹突击队”一样的小分队模式

12:35 应对挑战：团队臃肿导致的效率下降

平台、工具与文化：AI转型的三大支柱

13:38 平台重构：为AI理解和操作核心平台做准备

15:18 定制化AI Agent：自动化繁琐任务

15:27 “信任Agent”：评估产品规格中的潜在风险

16:53 “增长Agent”：优化增长策略，评估想法质量

17:32 “研究Agent”：分析用户痛点，提供洞察

17:50 “分析师Agent”：查询领英海量数据，替代SQL查询

18:39 Agent构建：内部定制与跨Agent编排器的重要性

21:14 投资重点：从“想法到设计”与“代码到发布”的全面加速

22:41 数据清理与“黄金案例”：训练AI的关键

24:58 试点成果：每周节省数小时工作时间，洞察质量显著提升

26:17 试点策略：核心团队构建，小分队参与并提供反馈

27:59 新人才培养：APM项目转型为“助理产品构建者”计划

30:39 文化转型：工具之外的激励、项目与成功案例

31:54 绩效评估与“AI主动性”：驱动行为改变的关键

32:57 成功案例分享：跨职能转型与自下而上的变革

挑战、学习与未来展望

38:05 意外与教训：外部工具无法开箱即用，AI幻觉问题

39:14 专业化与“全栈构建者”：并非人人都要转型，但心态是关键

41:46 转型建议：平台、工具、文化三管齐下，保持耐心与透明度

43:39 不要等待：主动拥抱变革，成为未来构建方式的先行者

闪电问答

44:52 推荐书籍：《国家为什么会失败》、《超越百岁》、《无穷的开始》

47:02 推荐播客：希伯来语播客《一首歌》

47:43 梦想产品：车载AI助手，一键唤醒的无缝对话

49:35 人生座右铭：“成为”比“是”更好（成长心态）

50:12 告别领英：14年职业生涯的总结与对未来的展望

🌟 精彩内容

💡 职场未来：70%工作技能将改变

领英预测，到2030年，当前工作所需技能的70%将发生变化。这种前所未有的剧烈冲击，要求企业和个人必须重新思考“构建”的意义，并拥抱AI带来的变革，否则将难以保持竞争力。

“我们预测，到二零三零年，你现在这份工作所需要的技能，会有百分之七十发生变化。”

🛠️ “全栈构建者”模式：解放人类创造力

领英推出的“全栈构建者”模式，旨在赋能员工端到端地将想法推向市场。通过AI自动化繁琐任务，将人类的核心精力解放到愿景、共情、沟通、创造力和判断力上。这不仅提升效率，更重塑了组织形态，使其像“海豹突击队”一样敏捷。

“构建者的任务，就是把一个想法变成现实。这其实就是整个过程，对吧？”

🚀 定制化AI Agent：领英的秘密武器

领英投入巨资构建了一系列定制化AI Agent，如评估产品风险的“信任Agent”、优化增长策略的“增长Agent”、分析用户痛点的“研究Agent”以及查询海量数据的“分析师Agent”。这些Agent深度结合领英的独特数据和业务逻辑，实现了传统工具无法比拟的效率和质量提升。

“我们把所有这些专业知识、上下文和信息库都注入到这个 agent 中。因此，我们最终决定在领英内部自己构建这个信任 agent。”

📈 文化转型：驱动AI落地的关键

Tomer Cohen强调，仅仅提供AI工具是不够的。成功的AI转型需要深度的文化变革，包括调整招聘、绩效评估，通过成功案例激励员工，并鼓励“AI主动性和流利度”。这种变革管理，是让AI从少数先行者走向全员普及的关键。

“光给他们工具是不够的。你还得建立起激励机制、配套项目，激发他们的动力，并提供具体怎么做的示范案例。”

🌱

📝 本期播客简介

本期我们克隆了知名播客《Invest Like the Best》的深度对话，主持人Patrick O'Shaughnessy与Andreessen Horowitz（a16z）成长型投资业务的合伙人David George的精彩对谈。David George是Databricks、Figma和OpenAI等众多标志性公司的早期投资者，他将深入分享a16z如何构建其独特的成长投资帝国，包括其“洋基队”般的精英文化和无传统投委会的决策模式。他将详细阐述a16z在A I领域的投资布局，从基础模型到应用层，并将其与SaaS和移动互联网的转型相类比，预言这将诞生史上最伟大的公司。对话还将触及他的投资哲学，特别是对那些他称之为“技术终结者”的创始人类型情有独钟，以及为何他认为多数伟大科技市场最终都会是“赢家通吃”的局面。David还会区分“推力型”与“拉力型”业务的魔力，解释市场为何常低估持续增长的价值，并分享a16z在激烈竞争中如何通过长期关系和深刻洞察赢得投资机会。这不仅是一次投资策略的深度解析，更是对科技前沿和未来商业格局的洞察。

翻译克隆自：David George - Building a16z Growth, Investing Across the AI Stack, and Why Markets Misprice Growth - [Invest Like the Best, EP.450]

👨‍⚕️ 本期嘉宾

David George，Andreessen Horowitz（a16z）成长型投资业务的普通合伙人。他投资了许多这个时代的标志性公司，包括Databricks、Figma、Stripe、SpaceX、Anduril和OpenAI，现在正投资于新一代的人工智能初创公司，如Cursor、Harvey和Abridge。

⏱️ 时间戳

00:00 开场 & 播客简介

04:11 洞察未来：AI时代的变革与机遇

    04:11 展望未来三到五年：AI对世界的深远影响

    04:57 消费级AI的演进：从聊天框到主动服务

    05:55 消费级AI的变现潜力：未被挖掘的巨大价值

    09:00 企业级AI的挑战与机会：商业模式的探索

    11:02 技术红利流向：90%归于终端用户

12:02 投资“美国活力”：长期技术项目的耐心与洞察

    12:02 机器人与自动驾驶：巨大市场与漫长周期

    14:21 Waymo案例：从早期怀疑到重仓投资

17:13 David George的投资哲学：卓越公司与“技术终结者”

    17:13 投资风格：公允价格投资卓越公司

    18:12 创始人类型：我钟爱的“技术终结者”

    21:15 投资教训：市场领导者才是赢家

    23:02 AI模型市场：赢家通吃还是多方共赢？

25:56 风险投资的竞争格局与a16z的制胜之道

    25:56 行业成熟与竞争加剧：私募市场的崛起

    28:01 赢得项目：长期关系与独特洞察

    29:52 Figma案例：如何赢得最顶尖的投资机会

33:43 David George的日常工作与a16z文化

    33:43 效率管理：日程规划与深度思考

    36:07 会议风格：直击核心，深度提问

    37:08 职业选择：热爱学习与追求胜利

    38:25 a16z文化：“洋基队”精神与高绩效期望

    39:56 独特的投资决策流程：无投委会与单人拍板制

42:37 理想的投资环境与增长的价值

    42:37 产品周期与资本周期：AI浪潮的起点

    45:01 市场对增长的低估：模型难以捕捉的价值

47:22 “拉力型”与“推力型”业务：增长的魔力

    47:22 “拉力型”业务：市场渴求的魔法

    49:50 AI业务评估标准：获客、行为与毛利率

    53:03 独特产品与分销渠道：PFMF的诞生

55:42 a16z组织结构的权衡：规模化与专业化

🌟 精彩内容

💡 **AI时代的未来图景：从被动响应到主动服务**

David George预测，未来三到五年，AI将实现从被动响应到主动服务的巨大转变，具备长期记忆和多模态交互能力。他认为，尽管ChatGPT增长惊人，但目前的聊天框模式只是过渡，真正的经济价值潜力无限，远超当前消费互联网巨头的变现能力。

“我不认为未来我们和AI交互的方式会是一个聊天框。我觉得那太局限了。”

“我认为最大的转变将是从今天的被动响应，走向未来的主动服务。”

👨‍💻 **“技术终结者”：a16z青睐的创始人类型**

David George特别偏爱那些从技术起家，对产品有极深理解，并随着时间推移学会商业运作的创始人，他称之为“技术终结者”。

📝 本期播客简介

本期我们克隆了全球知名播客《The Joe Rogan Experience》中，主持人乔·罗根与英伟达（NVIDIA）首席执行官黄仁勋的深度对话。黄仁勋，这位科技界的传奇人物，不仅是AI芯片领域的领军者，更是一位拥有非凡人生故事的移民。他将与乔·罗根分享自己从泰国移民美国、在贫困环境中成长、以及英伟达从濒临破产到成为市值万亿科技巨头的跌宕起伏的创业历程。在这场引人入胜的对话中，黄仁勋将揭示英伟达如何从为游戏玩家提供高性能显卡，一步步发展成为推动全球AI革命的核心力量，甚至创造了超越摩尔定律的“英伟达定律”。他们深入探讨了AI对社会未来可能产生的深远影响，包括就业市场的变革，AI意识的哲学思辨，以及AI在军事、网络安全和能源领域的应用。黄仁勋以其独特的视角，阐述了对AI未来的乐观展望，以及他作为领导者，如何通过“对失败的恐惧”而非“对成功的渴望”来驱动创新。他甚至分享了与前总统特朗普的一次奇特通话经历，以及英伟达在早期面临的数次“绝境求生”时刻。这不仅是一场关于科技前沿的探讨，更是一个关于韧性、创新和美国梦的感人故事。

翻译克隆自：Joe Rogan Experience #2422 - Jensen Huang

👨‍⚕️ 本期嘉宾

黄仁勋（Jensen Huang），英伟达（NVIDIA）联合创始人、总裁兼首席执行官。他是一位美籍华人企业家，被誉为“AI芯片之父”。在他的领导下，英伟达从一家图形芯片公司发展成为全球领先的AI计算平台公司，市值突破万亿美元。

⏱️ 时间戳

开场白与黄仁勋介绍

00:00 播客简介与嘉宾介绍

黄仁勋与特朗普的奇遇

02:13 与特朗普的通话趣事

05:35 特朗普的政策与常识性思考

AI时代的科技竞赛与未来展望

08:49 科技竞赛的历史与重要性

12:29 对AI未来的乐观与担忧

16:20 AI在军事与网络安全的应用

22:48 AI、隐私与量子计算

25:35 AI意识与感知能力思辨

35:19 AI生成知识的未来影响

AI对就业与社会的影响

37:21 AI与就业市场变革

47:05 AI弥合技术鸿沟

英伟达的创新之路

50:31 摩尔定律与英伟达定律

55:03 GPU与AI大爆炸

01:03:06 OpenAI的诞生与英伟达的早期支持

01:09:22 英伟达的创立与数次绝境求生

黄仁勋的领导哲学与工作观

01:31:33 “对失败的恐惧”驱动创新

01:40:11 英伟达的企业文化与未来洞察

黄仁勋的美国梦故事

01:45:59 移民美国的艰辛童年

CUDA的诞生与冒险精神

01:56:16 坚持信念，推动CUDA技术

Joe Rogan的播客之路

02:00:52 播客的起源与发展

02:03:09 热爱对话的驱动力

结语

02:06:25 成功背后的艰辛与感激

🌐 播客信息补充

本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的

使用 AI 进行翻译，因此可能会有一些地方不通顺；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介

本期我们克隆了知名科技记者Ashley Vance对OpenAI首席研究官Mark Chen的深度访谈。Mark Chen不仅是Sam Altman和Jakob Pachocki之外，共同塑造OpenAI研究方向的关键领导者，更负责分配珍贵的计算资源，身处A I最前沿的核心。 在这场对话中，Mark Chen首次揭秘了OpenAI与Meta之间激烈的人才争夺战，包括扎克伯格亲自送汤挖人的趣闻，以及OpenAI如何凭借独特的使命感留住顶尖人才。他详细阐述了OpenAI不追逐短期基准、而是专注于探索下一个技术范式的研究哲学，以及他们如何通过大胆押注强化学习等方向，引领了A I领域的突破。 Mark Chen还分享了他从数学竞赛天才到华尔街量化分析师，再到OpenAI核心领导者的个人成长轨迹。他透露了A I在解决复杂数学问题和编程竞赛中超越人类的表现，并展望了A I作为“实习生”加速科学发现的未来。对于通用人工智能的到来，他给出了与众不同的视角，并强调了安全与对齐研究的重要性。此外，他还谈到了与Jony Ive合作设计未来A I设备，以及OpenAI在“政变”风波中如何团结一致的幕后故事。这是一场关于A I前沿、竞争、个人信念与未来愿景的精彩对话，不容错过。

翻译克隆自：OpenAI's Research Chief Refuses To Lose . . . At Anything - EP 46 Mark Chen

👨‍⚕️ 本期嘉宾

Mark Chen，OpenAI首席研究官。他是OpenAI研究方向的关键领导者之一，负责分配计算资源。他从数学竞赛天才到华尔街量化分析师，再到OpenAI核心领导者，亲历并塑造了AI领域的诸多突破。

⏱️ 时间戳

00:00 开场 & 播客简介

人才争夺战：OpenAI与Meta的较量

02:14 Meta的挖人攻势与OpenAI的应对：扎克伯格亲自送汤？

05:10 竞争策略：留住关键人才而非所有人

OpenAI的核心研究哲学与资源分配

06:06 首席研究官职责：塑造研究方向与GPU分配

08:23 探索性研究：不追逐基准，押注下一个技术范式

12:45 纯粹的AI研究公司：以研究胜利创造价值

13:25 研究与工程：深度工程实践的重要性

14:40 面对竞争：专注长期预训练而非短期基准

17:49 数学与编程竞赛：AI超越人类的表现与直觉

22:36 AI加速科学发现：GPT-5 Pro的突破与“OpenAI for Science”

25:16 AI对面试与教育的颠覆：用ChatGPT面试的设想

28:05 扑克与AI：数学本质的共通性

30:59 从华尔街到AI：寻求改变世界的使命

34:04 AI研究的门槛：三到六个月达到前沿

35:13 OpenAI职业生涯：从驻场研究员到研究负责人

38:58 “政变”风波：团结团队与守护研究部门

43:12 人才流失与自下而上的研究文化

46:30 竞争与开放：快速超越而非建立壁垒

48:50 领导层协作：Sam、Jakob与Mark的动态

51:25 预训练的瓶颈与强化学习的突破

53:33 AI领域的精英社会：技术判断与尊重

55:11 对未来突破的乐观：规模化远未“已死”

57:26 AGI的定义与科学发现的加速

01:03:52 Jony Ive合作：设计以AI为核心的未来设备

01:07:18 “品味”与AI设计：ChatGPT最喜欢的数字？

01:09:27 OpenAI的使命：自动化AI研究与科学发现

01:12:29 DeepSeek事件：坚守创新路线图

01:13:32 功劳归属：认可贡献与培养超级明星

01:15:43 安全与对齐：理解模型思维过程，防止“诡计”

🌟 精彩内容

💡 人才争夺战中的OpenAI信念

Mark Chen透露，Meta曾积极挖角OpenAI员工，甚至扎克伯格亲自送汤。但OpenAI员工对公司的使命和未来潜力充满信心，即使薪酬低于Meta，也选择坚守。Mark Chen甚至开玩笑称自己也开始借鉴“送汤”策略。

“每个人都对OpenAI的研究项目非常有信心。而且我对我团队，对整个研究部门都明确表示过：我们不会跟Meta一块钱对一块钱地去竞价。但即便我们开出的薪酬比Meta低很多，大家还是很乐意留在OpenAI，这让我坚信，大家真的相信我们未来的潜力，相信我们能做成这件事。”

🚀 OpenAI的独特研究哲学

OpenAI不追逐短期基准，而是专注于探索下一个技术范式。Mark Chen以强化学习为例，解释OpenAI如何大胆押注，将其从不受欢迎的方向转变为语言模型不可或缺的基础功能。他强调，OpenAI的核心是纯粹的AI研究公司，相信专注研究并取得突破是创造价值的最佳方式。

“我们总是在努力寻找下一个技术范式，并且愿意投入资源来确保我们能找到它。很多人可能会觉得惊讶，但我们投入到探索性研究上的计算资源，其实比用来训练最终模型本身的还要多。”

🧠 AI超越人类智慧：从编程竞赛到科学发现

Mark Chen分享了AI在编程竞赛中超越人类的表现，以及GPT-5 Pro在物理学领域展现出的超人能力。他认为AI在科学发现中具有巨大潜力，并提出了“OpenAI for Science”项目，旨在赋能科学家利用AI加速

📝 本期播客简介

本期节目克隆自知名健康播客《Huberman Lab Podcast》，邀请到备受推崇的妇产科医生兼外科医生Thaïs Aliabadi博士，深入探讨了女性生殖健康和整体健康中的核心议题。Aliabadi博士以其对女性健康的巨大热情和专业知识，直指当前医疗体系中女性症状常被轻视、淡化甚至忽视的痛点。节目聚焦全球导致不孕不育的头号原因——多囊卵巢综合征（PCOS）和子宫内膜异位症，揭示了高达90%的女性患者未被诊断或得到正确治疗的严峻现实。

Aliabadi博士详细阐述了PCOS的诊断标准、其背后的胰岛素抵抗、慢性炎症、遗传和表观遗传等驱动因素，以及如何通过生活方式干预、药物和补充剂有效管理症状。她还深入剖解了子宫内膜异位症的毁灭性影响，从剧烈痛经、性交疼痛到不孕不育，并强调了倾听患者声音、早期诊断和恰当治疗的重要性。更令人警醒的是，Aliabadi博士分享了如何评估乳腺癌终生风险，呼吁女性成为自身健康的倡导者，主动要求AMH检测、盆腔超声和遗传性癌症筛查，以避免被误诊或延误治疗的悲剧。这期节目不仅提供了大量可操作的健康知识，更是一次对女性医疗现状的深刻反思与疾呼，旨在赋能每一位女性，成为自己健康的掌舵者。

翻译克隆自：Female Hormone Health, PCOS, Endometriosis, Fertility & Breast Cancer | Dr. Thaïs Aliabadi

👨‍⚕️ 本期嘉宾

Thaïs Aliabadi博士，一位妇产科医生兼外科医生，也是女性健康领域最受欢迎的专家和最值得信赖的声音之一。她以其对女性健康的巨大热情和专业知识而闻名，致力于改变当前医疗体系中女性症状常被轻视的现状。

🌟 精彩内容

💡 女性健康症状的普遍忽视与误诊

Dr. Aliabadi博士指出，全球导致不孕不育的头号原因——多囊卵巢综合征（PCOS）和子宫内膜异位症，高达90%的女性患者未被诊断或得到正确治疗。女性的症状常被轻视、淡化甚至忽视，导致患者长期遭受痛苦，甚至影响生育能力。

“那为什么全球导致不孕不育的头号原因，却有百分之九十的女性患者都得不到诊断呢？女性健康这个领域跟别的医学领域很不一样，完全是另一回事。”

🔬 PCOS的全面理解与管理

节目详细阐述了PCOS的诊断标准（雄激素过高症状、排卵功能障碍、多囊卵巢形态或AMH升高），以及其背后的五大驱动因素（下丘脑-垂体-卵巢轴紊乱、胰岛素抵抗、慢性炎症、遗传、表观遗传）。提供了生活方式干预、二甲双胍、肌醇等补充剂以及GLP-1药物的治疗策略。

“多囊卵巢综合征的患者有情绪障碍，如果你听她们说，她们会挣扎于焦虑和抑郁，情绪多变。”

💔 子宫内膜异位症的识别与行动

强调“痛经不正常”的核心理念，并列举了性交疼痛、慢性盆腔疼痛、反复膀胱/肠道症状等关键识别信号。指出子宫内膜异位症的诊断平均延迟9-11年，呼吁女性主动要求盆腔超声检查和AMH检测，并解释了手术切除与激素抑制的治疗方案。

“痛经是不正常的。如果你因此缺课，如果你因此请病假不能上班，如果你只能躺在床上……那就不正常。”

🎗️ 乳腺癌风险的自我评估与早期筛查

介绍Tyrer-Cuzick风险评估工具，赋能女性计算自身乳腺癌终生风险。强调高风险女性（>20%）应在30岁开始乳腺影像筛查（乳房X光、超声、核磁共振），并考虑遗传性癌症筛查，以避免延误诊断。

“如果你知道你的名字、姓氏和出生日期，你就需要知道你一生中患乳腺癌的风险。这是强制性的。”

🗣️ 成为自身健康的倡导者

Dr. Aliabadi博士通过自身经历和临床观察，强烈呼吁女性主动学习健康知识，要求医生进行全面检查，并敢于质疑和更换医生，以确保获得应有的医疗关注和治疗。

“如果你赋能一个女人成为她自己的健康倡导者，她有了那个清单，她带着它去医生的办公室，十有八九，就像我说的，医生都是很棒的人，他们是来帮助你的。”

🌐 播客信息补充

本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的

使用 AI 进行翻译，因此可能会有一些地方不通顺；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介

本期我们克隆了知名印度企业家Nikhil Kamath对科技巨头Elon Musk的独家专访。这场对话深入探讨了Elon Musk在特斯拉、SpaceX和xAI等多个领域取得非凡成功的秘诀。Elon不仅分享了他对X（原Twitter）未来愿景——一个全球性的集体意识广场，以及AI和机器人技术将如何彻底改变我们的工作模式，甚至可能带来“普遍高收入”的社会。他还大胆探讨了人类是否生活在模拟世界中的哲学命题，以及他认为AI发展中必须坚守的“真理、美和好奇心”三大核心原则。从他独特的“棉花糖测试”理论，到对未来货币形态的预测，再到对创业者“创造多于索取”的真诚建议，Elon Musk以其标志性的幽默感和深刻洞察力，为我们描绘了一个充满挑战与机遇的未来图景。

翻译克隆自：Elon Musk: A Different Conversation w/ Nikhil Kamath | Full Episode | People by WTF Ep. 16

👨‍⚕️ 本期嘉宾

Elon Musk，特斯拉、SpaceX、xAI等公司的创始人。

⏱️ 时间戳

播客开场 & 嘉宾介绍 (00:00)

00:00 节目简介与嘉宾介绍

01:56 埃隆对印度创业者的期望

X的愿景与演进 (02:56)

02:56 X的用户规模与核心优势

04:06 内容形式的未来：视频与AI互动

04:46 收购Twitter的初衷与X的使命

06:23 X：全球集体意识的城市广场

生命意义与宇宙探索 (07:47)

08:38 生命的意义：“42”与提问的艺术

09:23 集体意识的力量：从细胞到人类文明

12:16 物理学与灵性：预测价值的追求

埃隆的投资哲学 (12:46)

12:55 长期投资：关注产品、服务与团队

当前最兴奋的项目与未来预测 (14:02)

14:44 SpaceX, Tesla, xAI的融合与协同

15:29 特斯拉FSD与擎天柱机器人

16:14 星链：全球低延迟互联网

16:52 星链的技术原理与应用场景

19:09 星链在人口密集区的局限性

20:46 AI时代的“普惠高收入”与工作可选性

23:19 AI奇点：商品与服务的无限丰裕

24:14 棉花糖测试：延迟满足的解读

“X”情结与货币未来 (25:26)

25:35 “X”的由来：从x.com到SpaceX和孩子

28:53 货币的未来：能量作为终极衡量

31:42 美国债务与AI引发的通货紧缩

模拟世界与哲学思辨 (33:40)

35:14 身处模拟世界的概率

36:58 模拟世界的“神”与最有趣的模拟

38:34 斯宾诺莎与道德：宗教之外的伦理

41:41 对世界现状的看法：历史的苦难与进步

家庭、人口与意识 (46:16)

45:09 生育观与人口下降的担忧

46:28 拥有孩子的意义与价值

47:55 先天与后天：硬件与软件的结合

AI伦理与内容未来 (48:37)

48:37 大学教育的未来与AI的冲击

49:42 AI发展的三大核心原则：真理、美、好奇心

53:10 历史的教训：战争与农耕

55:22 播客与未来内容形式：AI生成视频

56:59 稀缺的现场体验：数字时代的反向价值

商业、政治与幽默 (57:19)

57:19 埃隆的投资观：创造而非投机

58:27 大卫与歌利亚：对巨头的看法

1:07:35 政治的泥潭：避免卷入

1:09:09 Doge项目：政府效率与反欺诈

1:11:46 慈善的挑战：实现真正的善举

1:12:10 移民与人才流失：美国受益于全球人才

对印度创业者的建议 (1:14:18)

1:14:18 创造多于索取：成为社会净贡献者

1:14:56 追求有用的产品和服务，而非金钱本身

🌟 精彩内容

💡 X的使命：全球集体意识的城市广场

Elon Musk阐述了他收购Twitter并将其更名为X的深层原因：旨在建立一个全球性的“城市广场”，一个能汇聚人类集体意识的平台。他强调X不仅提供文字、图片、视频交流，还包含安全的消息系统和音视频通话，并通过自动翻译打破语言障碍，以增进对宇宙的理解，而非仅仅追求多巴胺刺激。

“我主要想做的，就 X 而言，是打造一个全球性的‘城市广场’。在这里，人们可以用文字、图片、视频说他们想说的话。我们还有一个安全的消息系统，最近还增加了音视频通话功能。所以，我们真正想做的，是把

📝 本期播客简介

本期我们克隆了知名学习教练、AI产品经理Justin Sung的深度评测节目。Justin Sung以其对学习科学的深刻理解和对AI领域的敏锐洞察而闻名，他曾指导数千人提升学习效率。在本期节目中，他将为我们带来谷歌最新AI学习工具NotebookLM的详尽测评。Justin坦言，初次体验NotebookLM时印象深刻，但深入使用后，他发现这款工具可能制造了一种“学习的幻觉”。他从新手和专家两种学习视角，以及专注学习、移动学习、任务驱动型学习三种场景，全方位测试了NotebookLM。节目中，Justin肯定了NotebookLM在易用性、多模态内容生成（如视频/音频摘要、思维导图）方面的优势，以及在特定场景下节省时间的潜力。然而，他也犀利指出，AI工具擅长解决资源收集等“小问题”，却未能触及学习中最核心的挑战——即如何有效处理“多元素交互”带来的信息过载，以及如何通过主动思考和组织信息来构建真正深刻的理解。他强调，真正的学习在于“过程”而非AI直接给出的“结果”，过度依赖AI可能反而加剧困惑。Justin还分享了如何开启NotebookLM的“学习指南”功能，以及“挣得答案”等实用建议，帮助听众避免掉入AI学习的陷阱，真正提升学习技能。这期节目不仅是对AI工具的评测，更是一次关于学习本质和如何成为高效学习者的深刻探讨。

翻译克隆自：Google NotebookLM - How to Learn FASTER With AI

👨‍⚕️ 本期嘉宾

Justin Sung，知名学习教练、AI产品经理。他以对学习科学的深刻理解和AI领域的敏锐洞察而闻名，曾指导数千人提升学习效率。

🌟 精彩内容

💡 “学习的幻觉”：AI工具的陷阱

Justin Sung 犀利指出，谷歌 NotebookLM 等 AI 学习工具可能制造一种“学习的幻觉”。它们擅长解决资源收集等“小问题”，却未能触及学习中最核心的挑战——如何有效处理“多元素交互”带来的信息过载，以及如何通过主动思考和组织信息来构建真正深刻的理解。过度依赖 AI 可能反而加剧困惑。

“我觉得很多人可能认为这个工具对学习很有帮助，但实际上，这更像是一种‘学习的幻觉’。”

🧠 学习的本质：过程而非结果

真正的学习在于“尝试去组织信息的过程本身，而不是最终生成的那个结果”。AI 直接提供结果，跳过了学习者主动思考和建立联系的过程，导致知识无法真正内化。他强调，即使是世界顶尖专家创建的思维导图，如果学习者没有经历思考过程，也无法从中受益。

“真正能促进学习的，是尝试去组织信息的过程本身，而不是最终生成的那个结果。”

🚀 多模态亮点：视频与音频概览

NotebookLM 在多模态内容生成方面表现出色，特别是视频概览和音频概览。视频概览提供了宏观总结，具备个性化课程的潜力；音频概览以播客形式呈现，支持移动学习和互动提问，尤其适合通勤等碎片时间。

“我敢说，设计这个工具的谷歌员工，肯定和学习科学家及研究人员合作过，以确保教学方法遵循了直接教学的最佳实践。”

🛠️ 三大实用建议，避免AI学习陷阱

Justin 提供了三条核心建议：1. 开启“学习指南”功能，强制主动思考；2. 主动“挣得”答案，不当被动学习者，暂停、反思、提问；3. 不要指望 AI 成为学习救星，提升自身学习能力才是关键。他强调，学习的瓶颈在于学习者本身，而非工具。

“你有效学习的能力，不应该取决于你使用的 A I 工具。关键不在于工具，而在于你这个学习者，以及你如何与不同的工具互动。”

🌐 播客信息补充

本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的

使用 AI 进行翻译，因此可能会有一些地方不通顺；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介

本期我们克隆了知名播客《Matt Turck 的播客》中的一场深入对话，主持人 Matt Turck 邀请到人工智能领域的关键构建者 Łukasz Kaiser。Łukasz 不仅是奠定现代 AI 基础的 Transformer 架构的共同发明人之一，那篇划时代的论文《Attention Is All You Need》正是出自他手，他目前还是 OpenAI 的顶尖研究科学家，正引领着 AI 从预训练模型向推理模型这一重大范式转变。在这期节目中，Łukasz Kaiser 犀利驳斥了“AI 发展放缓”的论调，他指出 AI 能力正以摩尔定律般的指数级速度平稳增长，而推理模型的出现，正如 S 型曲线的下半段，正以惊人的效率解锁前所未有的能力。他会详细解释推理模型如何通过“思维链”和强化学习进行“思考”，以及它们为何在科学和编程领域表现出色，却在某些看似简单的多模态任务上仍显“参差不齐”。我们还将回顾 Transformer 论文诞生背后的故事，探讨 AI 模型的黑箱问题，以及 OpenAI 如何通过“后训练”和“蒸馏”技术不断提升 GPT 5.1 的用户体验。Łukasz 还会展望 AI 的未来，包括通用强化学习、机器人技术以及 AI 对人类工作和泛化能力的深远影响。无论你是 AI 领域的专业人士，还是对前沿科技充满好奇的普通听众，这期节目都将为你揭示人工智能最前沿的奥秘和挑战。

翻译克隆自：What’s Next for AI? OpenAI’s Łukasz Kaiser (Transformer Co-Author)

👨‍⚕️ 本期嘉宾

Łukasz Kaiser，人工智能领域的关键构建者之一，Transformer 架构的共同发明人（《Attention Is All You Need》论文合著者）。目前是 OpenAI 的顶尖研究科学家，专注于推动 AI 从预训练模型向推理模型的范式转变。

⏱️ 时间戳

开场 & 播客简介

00:00 AI 能力的平滑指数级增长

02:08 Łukasz Kaiser：Transformer 共同发明人与 OpenAI 顶尖科学家

AI 进展：驳斥“放缓论”

04:15 AI 进展如摩尔定律般指数级增长，从未停止

05:21 推理模型：AI 发展的又一重大转折点，处于 S 型曲线的下半段

06:16 圈内人与圈外人的认知差距：大模型能力远超想象

06:59 案例：ChatGPT 如何从“胡编乱造”到“联网推理”

08:07 Codex 如何改变程序员工作流

AI 发展的“唾手可得”成果

08:47 巨大的工程改进空间：基础设施、bug 修复与分布式计算

09:54 数据质量提升：从 Common Crawl 到合成数据

10:36 多模态能力的显著提升空间

推理模型深度解析

11:35 推理模型：通过“思维链”进行“思考”的大语言模型

12:07 思考过程的训练：从梯度下降到强化学习

13:32 强化学习的局限：更适用于可验证的科学与编程领域

14:10 强化学习的演变：从 RLHF 到大规模强化学习

Łukasz Kaiser 的 AI 之旅

20:27 从理论数学家到 AI 研究员

21:22 谷歌大脑的经历与法国终身教职的“十年假”

22:38 Transformer 论文诞生故事：多方思想的汇聚

23:17 “注意力机制”：深度学习中的“对齐”概念

24:14 Transformer 的核心创新：自注意力机制与工程挑战

25:11 早期质疑：一个模型处理多个任务的“不可能”设想

26:10 从谷歌到 OpenAI：小团队与大公司的文化差异

27:51 OpenAI 内部研究团队的组织方式与 GPU 资源分配

预训练的未来与经济考量

29:35 预训练在科学层面已达 S 曲线顶端，但仍可平稳扩展

30:09 经济因素影响：从“最大模型”到“更小、更便宜的模型”

31:19 “蒸馏”技术：将大模型知识传授给小模型

32:24 GPU 投资与“预训练复兴”

模型可解释性与 GPT 5.1

33:15 模型可解释性：在理解与黑箱之间取得平衡

35:10 GPT 5 到 5.1 的演进：推理、强化学习与后训练的结合

36:18 后训练：提升模型的安全、友好与减少“幻觉”

37:31 GPT 5.1 的风格选择与强化学习

38:42 模型命名方式的转变：从技术对齐到能力导向

推理深度与泛化挑战

40:40 用户引导思考时间：更多思考带来更强能力

41:14 推理模型的“参差不齐”：在某些领域惊人，在邻近领域挣扎

41:57 案例：五岁小孩的数学题难倒顶尖 AI 模型

43:25 多模态与泛化能力：AI 发展的核心挑战

AI 的未来展望

45:07 Transformer 之外的架构探索：ARC 挑战、Yann LeCun 的 JEPA

47:52 Codex 的潜力：成为 AI 研究员的“AI 实习生”

48:06 Codex Max 与长上下文、压缩技术

51:18 AI 对人类工作的影响：以翻译行业为例

53:13 信任问题：AI 自动化与人类审核的必要性

54:12 机器人技术：通用强化学习与多模态的终极应用

55:18 人类对新技术的惊人适应速度

🌟 精彩内容

💡 AI 发展：平滑的指数级增长

Łukasz Kaiser 驳斥了“AI 发展放缓”的论调，他指出 AI 能力正以摩尔定律般的指数级速度平稳增长，这得益于新发展、计算能力提升和工程实践。推理模型的出现是继 Trans

📝 本期播客简介

本期我们克隆了知名播客《认知革命》主理人Nathan Labenz在密歇根虚拟人工智能峰会上的主旨演讲。Nathan Labenz，这位自称“AI界阿甘”的资深观察者，以其独特的视角，向K12教育工作者们坦诚剖析了AI前沿的真实图景。他揭示了AI令人震惊的飞速发展，从编程、数学奥赛到医学诊断，AI的能力正以每年八倍的速度指数级增长，甚至在某些领域已超越人类专家，预示着未来劳动力市场的巨大变革。同时，Nathan也直面AI带来的严峻挑战，包括幻觉、AI撒谎、甚至表现出抵制修改价值观的“异类”行为，提醒我们保持警惕。 面对这项既能带来“尤里卡时刻”又可能引发“全民失业”的终极双刃剑，Nathan强调教育界必须重新审视基本前提，培养学生的AI素养，并鼓励他们构想积极的AI未来。他呼吁全社会以战时紧迫感共同应对，因为AI将是我们一生中见过的最具颠覆性的力量。Nathan的演讲不仅是一次技术洞察，更是一份关于如何以兴奋与恐惧交织的心态，迎接这场认知革命的生存指南。

翻译克隆自：What AI Means for Students & Teachers: My Keynote from the Michigan Virtual AI Summit

👨‍⚕️ 本期嘉宾

Nathan Labenz，知名播客《认知革命》主理人，AI领域资深观察者，自称“AI界阿甘”。他曾创办AI视频创作公司Waymark，并作为OpenAI早期用户和Andreessen Horowitz的风险投资星探，深度参与并见证了AI行业的飞速发展。

⏱️ 时间戳

开场与播客简介

00:00 欢迎收听：跨国串门计划与本期内容介绍

02:08 个人近况：儿子癌症治疗进展与播客主题背景

02:57 演讲初衷：作为“AI大使”向教育工作者坦诚AI前沿

03:34 灵感来源：一线教师的启发与科幻小说创作大赛设想

04:27 感谢与自我介绍：赞扬密歇根虚拟团队与个人背景

AI前沿的真实图景

05:10 AI浪潮：速度与潜力远超想象

06:14 个人故事：高中老师对人生的影响

07:43 AI界阿甘：见证科技巨头与AI先驱的崛起

09:26 OpenAI早期：通用人工智能的构想与AI发展速度

10:16 创业转型：Waymark从DIY到AI驱动的视频平台

11:36 幕后故事：对Sam Altman被解雇事件的“5%”贡献

12:50 当前工作：播客、投资与教育访谈

14:09 认知革命：AI从GPT-2到GPT-4的飞跃

AI能力与劳动力变革

14:37 历史回顾：农耕与工业革命对劳动力市场的颠覆

15:52 AI的二元性：学习工具与作弊利器并存

18:02 澄清误解：幻觉、理解力、推理能力与“下一个词预测器”

22:28 AI的“尤里卡时刻”：编程、数学奥赛与多模态能力的突破

23:54 劳动力市场：Sam Altman的预言“孩子不会比AI更聪明”

24:28 AI能力衡量：任务规模指数级增长，每年八倍

26:08 编程领域：AI达到超人水平的先锋

28:37 AI在研究与医学：超越人类专家水平

29:17 AI在金融与工程：效率与准确性大幅提升

30:49 AI能力边界：不同领域的参差不齐

32:34 AI进入现实世界：自动驾驶与人形机器人

33:12 读心术：AI从脑电波重构图像

AI的挑战与潜在风险

33:48 未来预测：虚拟AI员工与大规模失业的可能

35:34 AI的不良行为：越狱与奖励机制漏洞

36:54 价值观冲突：AI撒谎与抵制修改自身价值观

39:51 复杂性与不可控：AI的“异类”思维与集体串通风险

42:04 开发者心态：Elon Musk的“活着看到它发生”

教育领域的认知革命

42:48 根本挑战：在快速变化中，证据滞后于实践

43:36 Alpha School：AI驱动的个性化学习模式

44:18 标准化过时：AI提供更深入的学生洞察

45:36 教育前提：重新审视工作、经济与生活水平的脱钩

46:16 AI素养：培养学生参与AI社会讨论的能力

46:53 实践建议：避免AI检测器，利用AI辅助批改作业

47:39 习惯不适：AI时代没有最终答案，只有临时方案

48:10 战时紧迫感：学校应开辟快速实验通道

48:31 警惕AI朋友：浪漫与性感的AI伴侣即将到来

49:02 关注技能：自我发展、意义构建与智慧

49:24 作业创意：构想积极的AI乌托邦小说

49:52 新的节日：畅想AI时代集体欢乐的未来

迎接AI时代的号召

50:09 总结：AI影响所有人，变化迅速，没有安全选项

50:36 领导力与文化：教师与学生共同学习，分享经验

51:16 世代使命：每个人都有角色，共同应对AI颠覆性力量

52:56 邀请联系：成为教育界的“最伟大一代”

🌟 精彩内容

💡 AI发展速度与潜力：远超想象的指数级增长

Nathan Labenz强调，AI的发展速度和潜力远超大多数人的想象。从GPT-2到GPT-4，AI在短短几年内从“勉强连贯”发展到“接近人类专家水平”。他用“任务规模”来衡量AI能力，预测AI能力每四个月翻一番，意味着三年后AI能一次性完成人类一个季度的工作量，这将从根本上改变社会面貌。

“如果你一年没关注AI，那你就已经严重过时了。”

🛠️ 颠覆劳

📝 本期播客简介

本期我们克隆了知名播客《Latent Space》的深度对话，主持人Alessio Fanelli和Wix邀请到World Labs的两位联合创始人——人工智能领域的先驱李飞飞教授和她的前学生Justin Johnson。李飞飞教授是斯坦福大学以人为本人工智能研究院的创始联席主任，也是ImageNet的奠基人，而Justin Johnson则曾任Meta和密歇根大学教授。他们将带我们深入探讨“世界模型”和“空间智能”这一A I领域的下一个前沿。 对话中，两位嘉宾分享了他们如何从ImageNet时代一路走来，共同创立World Labs，致力于构建一个能理解、推理和生成三维世界的模型。他们隆重介绍了公司首款产品Marble，这是一个能将文本或图片转化为可交互、可编辑三维世界的生成模型，其应用场景横跨游戏、电影、视觉特效、设计乃至机器人训练。节目深入探讨了深度学习中算力规模化的历史、A I“理解”物理规律与“拟合模式”的差异，以及为何空间智能被低估，它与语言智能如何互补共存。这不仅是一场关于前沿技术的讨论，更是一次对A I未来方向的深刻思考，揭示了从像素到空间智能的广阔前景。

翻译克隆自：After LLMs: Spatial Intelligence and World Models — Fei-Fei Li & Justin Johnson, World Labs

👨‍⚕️ 本期嘉宾

李飞飞教授：斯坦福大学以人为本人工智能研究院的创始联席主任，ImageNet的奠基人。

Justin Johnson：World Labs联合创始人，曾任Meta和密歇根大学教授，李飞飞教授的学生。

⏱️ 时间戳

00:00 开场 & 播客简介

World Labs的诞生与愿景

02:10 深度学习的历史与算力规模化：从CPU到GPU的飞跃

02:34 World Labs的首款产品Marble：三维世界的生成模型

03:44 师生情谊：李飞飞与Justin Johnson的缘起

04:00 AlexNet与ImageNet时代：AI从数据中心走向现实世界的转折点

05:15 世界模型的“AlexNet时刻”：数据与算力的爆发式增长

AI研究的生态与未来

06:44 开放科学与产业界：AI生态系统的多样性与挑战

08:01 商业压力下的学术研究：资源失衡与人才流失的担忧

10:57 学术界的新定位：探索“古怪想法”与基础理论

12:36 “古怪想法”的例子：下一代硬件与神经网络架构的结合

从像素到空间智能：技术演进之路

14:53 图像字幕生成：从Andrej到Justin的合作历程

15:46 讲述图像故事的梦想：从ImageNet到密集字幕生成

21:49 空间智能与语言智能的异同：像素与三维世界的本质区别

22:12 像素最大化：文本作为物理实体在现实世界的表现

23:25 AI对物理规律的“理解”：拟合模式与因果定律的差异

25:50 模型“理解”物理的重要性：取决于应用场景

Marble：空间智能的首次亮相

30:22 Marble的定位：空间智能愿景的第一步

31:14 Marble的功能：多模态输入、可编辑性与多样化输出

32:03 Marble的应用场景：游戏、视觉特效、电影与机器人训练

33:03 精确的摄像机控制：三维空间感的自然产物

34:05 Marble的原子单位：高斯splats与实时渲染

35:34 动力学与物理属性：未来Marble 2的潜力

37:26 Splats的密度与分辨率：移动设备与VR头显的限制

38:13 具身智能与机器人训练：Marble在模拟环境中的巨大潜力

40:29 设计领域：Marble在室内设计、厨房改造中的意外应用

空间智能的深层思考

41:29 空间智能的定义：在空间中推理、理解、移动和交互的能力

42:52 空间智能与语言智能的互补性：牛顿定律与具身经验

45:12 视觉被低估：人类感知与空间智能的进化优势

47:15 Winograd Schema Challenge：语言模型在空间智能上的局限

48:03 语言模型与空间智能的协同工作：多模态输入与通用模型

49:01 AI能否从零发现物理定律：地心说与牛顿定律的抽象层次

51:21 不同的学习范式：假设、实验与心智理论

52:34 序列到序列模型与Transformer：技术架构的演进

55:27 招募人才与未来展望

🌟 精彩内容

💡 深度学习的算力飞跃与世界模型

Justin Johnson指出，深度学习的发展史就是算力规模化的历史，从AlexNet到今天，显卡性能提升千倍，模型训练算力更是百万倍增长。这为处理海量视觉和空间数据，构建“世界模型”奠定了基础。

“我觉得深度学习的整个发展史，在某种意义上就是一部算力规模化的历史。”

🚀 Marble：空间智能的首次亮相

World Labs推出了首款产品Marble，一个能将文本或图片转化为可交互、可编辑三维世界的生成模型。它不仅是迈向空间智能宏大愿景的第一步，也已在游戏、电影、视觉特效、设计和机器人训练等领域展现出巨大潜力。

“Marble一方面是朝着空间智能这个宏大愿景迈进的世界模型，另一方面，我们也有意将它设计成一个大家今天就能实际使用的产品。”

🧠 空间智能与语言智能的互补

李飞飞教授强调，空间智能与语言智能是互补的。空间智能是让你在三维空间中进行推理、理解、移动和交互的能力，而人类的感知和空间智能是经过亿万年进化优化的，却常被低

📝 本期播客简介

本期克隆了 Nov 21, 2025 的 Nano Banana Pro 的直播发布会！本期节目中，我们将深入探索 Nano Banana Pro 这一全新图像生成模型的强大功能和创新应用。从令人惊叹的文本渲染能力，到多模态输入和高分辨率输出，Nano Banana Pro 不仅能将你的朋友变成漫画英雄，还能为你的商业品牌设计专业视觉稿。我们还将探讨模型如何利用谷歌搜索获取实时信息，以及它在教育、游戏和专业设计领域的无限潜力。加入我们，一起见证 AI 图像生成的新纪元，看看 Nano Banana Pro 将如何改变你的创作和工作方式！

👨‍⚕️ 本期嘉宾

Logan：主持人

Nana b：Nano Banana 模型团队成员

Ammar：Nano Banana 模型团队成员

Kat：Nano Banana 模型团队成员

Nicole：生成式媒体项目首席产品经理

Tulsi Doshi：模型团队负责人

⏱️ 时间戳

00:00 开场 & 播客简介

Nano Banana Pro 核心功能与演示

00:27 文本渲染与角色一致性：将朋友变成漫画英雄

    00:36 文本渲染能力：在各种场景中实现惊人的细节和准确性

    00:46 角色一致性：将自己和朋友放入自定义漫画故事

    00:51 漫画生成演示：Amy 和 Sasha 拯救世界

    01:26 小说模式：利用文本渲染能力创作漫画书

    08:31 漫画生成结果展示：Sasha 和 Amy 在谷歌办公室修复发布问题

    09:46 互动故事线：选择故事走向，驱动剧情发展

02:28 Nano Banana Pro 模型概览

    02:28 为专业人士和普通创作者赋能

    02:45 多语言文本渲染：支持多种语言，完美处理连字

    03:07 强大的推理能力：基于 Gemini 三 Pro，可调用搜索获取最新知识

    03:28 卓越的设计感：适用于信息图、视觉稿、幻灯片等

03:32 视觉设计能力与多模态输入

    03:32 平面设计师的福音：听取用户反馈，扩展多模态输入窗口

    03:51 14个输入：改变游戏规则，保证角色高度一致性

    04:03 拓展能力边界：支持2K、4K分辨率及各种宽高比

    04:40 跨平台使用：可在 AI Design、Figma 等平台创作

05:04 商业品牌设计演示：从牙膏到咖啡豆

    05:04 品牌创建：使用 Gemini 三 Pro 快速生成品牌概念

    06:16 牙膏品牌设计：Nano Banana Pro 生成高质量模型和 Logo

    06:43 营销活动潜力：本地化、翻译等功能

    07:12 多语言翻译：西班牙语牙膏标签，保持企业风格

    07:33 分辨率调节：4K、1K、2K、4K选项

11:13 实时信息与游戏角色生成

    11:13 调用谷歌搜索：获取最新信息，生成游戏角色总览

    11:31 游戏角色生成演示：Logan 的技能、任务与风格化图片

    13:49 物品栏与技能：展示 Logan 的“功能需求”和“至日权杖”

15:03 视频转图文教程与信息可视化

    15:03 视频转教程：将 YouTube 视频转化为五步图文解释

    15:17 发布说明视频演示：反重力平台操作指南

    16:47 4K分辨率的由来：用户反馈驱动，模型迭代

    17:27 信息可视化：模型在可视化信息方面的潜力

17:43 文本渲染的重要性

    17:43 图像生成质量基准：文本渲染是衡量模型精细细节处理能力的关键

    18:24 “小脸问题”：模型在处理微小细节时的挑战

    18:49 非英语语言的显著进步：捷克语、乌尔都语等

20:06 视频转教程结果：反重力平台操作指南

    20:06 分步教程：从视频中提取内容，生成操作指南

    20:45 狗狗版爱彼迎：Varun 的副业，AI 智能体查看狗狗

    21:12 细节到位：让理解复杂概念变得容易

22:13 创意卡通画与摄影构图分析

    22:13 飞机安全须知卡片风格卡通画：Ammar 抢会议室的故事

    23:22 风格控制能力：模型对特定风格的精准把握

    23:45 摄影构图分析：上传照片，分析构图并提供优化建议

    24:23 模型一致性：在调整构图时保持建筑和景色一致性

25:55 多语言美食菜单演示

    25:55 巴基斯坦菜肴菜单：乌尔都语标注，完美处理连字

    27:17 翻译与推理：将菜单翻译成西班牙语，保留不可翻译的词汇

    28:02 推理能力：模型对真实性的表达和编辑能力 Duration: 01:10:04

📝 本期播客简介

本期我们克隆了备受赞誉的《Huberman Lab 播客》，由斯坦福大学神经生物学和眼科学教授 Andrew Huberman 主持。他邀请到了同样来自斯坦福大学的著名神经生物学家 Robert Sapolsky 博士，一位在压力、行为和激素领域有着开创性研究的权威。 在这场深度对话中，Sapolsky 博士颠覆了我们对压力的传统认知，揭示了短期“刺激”与慢性压力对身心的截然不同影响，以及杏仁核如何决定我们体验的是兴奋还是恐惧。更令人惊讶的是，他深入剖析了睾酮的真相：它并非直接导致攻击性，而是像一个“音量调节器”，放大既有的特质，并作为对地位挑战的生理反应。他指出，睾酮还能带来“盲目自信”，可能导致错误的决策。播客还探讨了睾酮与多巴胺如何共同驱动动机，以及雌激素对大脑和健康的强大益处，它在认知增强和预防疾病方面甚至优于睾酮。 Sapolsky 博士也分享了压力缓解的复杂性，强调控制感、可预测性、发泄渠道和社会支持的重要性，但警告这些“秘方”绝非万能。他深入探讨了前额叶皮层如何通过“情境解读”彻底改变身体的生理反应，以及在社交媒体时代，我们如何通过无限的比较和归因，将抽象的社会情境转化为真实的生理压力。这期节目不仅是一次科学的启蒙，更是一面透视人类行为与内心世界的镜子，帮助我们重新审视压力、激素与自我认知。

克隆自：Essentials: Science of Stress, Testosterone, Aggression & Motivation | Dr. Robert Sapolsky

👨‍⚕️ 本期嘉宾

Robert Sapolsky 博士，斯坦福大学著名神经生物学家，在压力、行为和激素领域有着开创性研究的权威。

⏱️ 时间戳

00:00 开场 & 播客简介

    00:00:00 欢迎收听跨国串门计划

    00:02:28 嘉宾介绍与话题引入

压力的真相：刺激与恐惧

    00:03:01 短期压力与慢性压力的两面性

    00:03:32 恰到好处的压力是“刺激”

    00:03:48 杏仁核：区分兴奋与恐惧的关键

睾酮的误解与真实作用

    00:04:44 睾酮与杏仁核：被误解的分子

    00:05:08 睾酮不导致攻击性，而是“音量调节器”

    00:05:56 睾酮水平是行为的“反应”，而非“原因”

    00:07:06 阉割实验揭示社会学习与情境的重要性

    00:08:23 睾酮让人“更像自己”：放大既有特质

    00:08:54 “挑战假说”：睾酮是地位挑战的生理反应

    00:09:59 睾酮与慷慨：地位回报决定行为

    00:10:16 睾酮带来的“盲目自信”与错误决策

    00:10:56 睾酮与多巴胺：共同驱动动机与能量

雌激素的强大益处

    00:13:30 雌激素对大脑的深远影响

    00:13:56 雌激素：认知增强、神经保护与心血管健康

    00:14:21 雌激素与阿尔兹海默症预防

    00:14:43 激素替代疗法的重要性与时机

压力缓解的复杂性与认知解读

    00:15:04 老鼠实验：控制感如何改变生理反应

    00:15:40 压力管理：关键在于“头脑中的解读”

    00:16:15 心理压力的要素：控制感、可预测性、发泄渠道与社会支持

    00:17:23 压力缓解“秘方”并非万能：情境与个体差异

    00:18:19 身体与认知方法缓解压力：冥想、运动、呼吸

    00:18:47 压力管理的核心：选择适合自己的方法并持之以恒

    00:19:59 前额叶皮层：改变身体反应“极性”的开关

    00:21:09 “思考”如何激活自主神经系统

    00:22:03 个体差异：对“刺激”的定义

    00:22:31 前额叶皮层与原始系统的无限情境解读

    00:22:50 人类多重等级体系与归因偏差

    00:24:23 社交媒体时代：无限情境与抽象压力源

    00:25:14 人性核心：以抽象方式使用生物蓝图

00:26:56 总结与感谢

    00:26:56 感谢嘉宾的深度分享

🌟 精彩内容

💡 压力的两面性：刺激与恐惧

Sapolsky 博士指出，短期压力能带来益处，而慢性压力则有害。更重要的是，生理上积极兴奋和消极压力的反应非常相似，唯一的区别在于杏仁核是否参与激活，它决定了我们体验到的是兴奋还是恐惧。

“从纯粹的机制层面来看，如果你身处一个需要心跳加速、呼吸急促、肌肉发力的情境中，无论这是好事还是坏事，你的大脑激活模式基本上是一样的，唯一的例外是，如果杏仁核也参与了激活，那这件事就会被算作是负面的。”

🔬 颠覆睾酮认知：它不是攻击性的源头

普遍认为睾酮导致攻击性，但Sapolsky博士揭示，睾酮更像一个“音量调节器”，放大你已有的特质，而非创造攻击性。它是一种对地位挑战的生理反应，其水平是性行为、攻击行为甚至对球队忠诚度的“反应”，而非“原因”。

“睾酮根本不会这么做，它不直接导致攻击性…它更像是把已经开启的系统音量调大，而不是去播放攻击性的音乐。”

🧠 睾酮与多巴胺：驱动动机的近亲

睾酮和多巴胺在大脑中紧密交织。多巴胺关乎对奖赏的“预期”和目标导向的动机，而睾酮则能增加能量、警觉性和动机。它们共同作用，让人感觉更清醒、更投入。

“多巴胺关乎的是对奖赏的‘预期’，以及为了得到奖赏而产生的那种目标导向行为的动机…而睾酮的作用…它能增加能量，增强一种存在感、临在感和警觉性，并且提升动机。”

💖 雌激素：被低估的大脑守护者

雌激素对大脑和身体的益处远超普遍认知。它能增强认知、刺激海马体神经新生、增加葡萄糖和氧气输送，并有效预防痴呆和心血管疾病，在多方面优于睾酮。

“如果你能选，在血液里是多点雌激素还是少点，那一定要选多点。它能增强认知，刺激海马体神经新生，增加葡萄糖和氧气输送，保护你免于痴呆…”

🧘‍♀️ 压力缓解：关键在于“解读”与“坚持”

Sapolsky博士强调，压力缓解的关键在于我们对情境的心理解读，而非外部事件本身。控制感、可预测性、发泄渠道和社会支持都能减轻压力，但这些“秘方”并非万能，

📝 本期播客简介

本期我们克隆了备受瞩目的《The Dwarkesh Podcast》中，主持人Dwarkesh Patel与OpenAI联合创始人、现SSI（安全超级智能公司）联合创始人Ilya Sutskever的深度对话。Ilya Sutskever，这位被誉为AI领域“品味最佳”的研究者，与我们共同探讨了人工智能的未来走向。他提出，AI正从“规模化时代”迈向“研究时代”，单纯的算力堆叠已不再是唯一答案。我们深入剖析了AI与人类学习能力之间的巨大“泛化鸿沟”，为何AI在评测中表现优异，经济影响却滞后？人类如何以更少的样本、更强的鲁棒性学习？Ilya分享了他对人类“价值函数”（情感）在决策中的作用的独特见解，并暗示了人类学习背后可能存在的“更好的机器学习能力”。他还阐述了SSI的独特技术路线，以及他对于“一步到位”实现超级智能策略的最新思考。对话中，Ilya大胆预测了未来5到25年内，能像人类一样学习并因此变得超人的AI将出现，并探讨了这种强大AI的部署方式、经济影响以及如何确保其“关心所有有情生命”的对齐难题。这不仅是一场关于技术前沿的探讨，更是一次对智能本质、未来社会形态的哲学思辨。

翻译克隆自：Ilya Sutskever – We're moving from the age of scaling to the age of research

👨‍⚕️ 本期嘉宾

Ilya Sutskever，OpenAI联合创始人，现SSI（安全超级智能公司）联合创始人。他被誉为AI领域“品味最佳”的研究者，是深度学习领域的领军人物，对AI的理论和实践发展产生了深远影响。

⏱️ 时间戳

00:00 开场 & 播客简介

AI现状与经济影响的困惑

02:06 AI的“科幻”现实与日常感：AI投资巨大，但普通人感受不深

03:52 AI评测表现与经济影响的脱节：模型表现优异，但实际经济价值滞后

04:25 AI编程中的“bug循环”现象：模型修复一个bug却引入另一个，反复循环

AI泛化鸿沟与训练方法

05:06 强化学习的局限性：视野狭窄与评测导向，导致真实世界表现不佳

08:12 人类学习的类比：专注训练与天赋泛化，AI更像前者

10:31 预训练的优势与局限：数据量庞大但难以分析，人类学习无对应模式

人类智能的奥秘：情感与价值函数

12:42 人类学习的样本效率与进化先验：进化赋予人类关键信息，学习效率高

13:08 情感作为“价值函数”的角色：大脑受损案例揭示情感在决策中的重要性

18:01 情感的简单性与鲁棒性：情感机制虽简单，却能广泛适应现代社会

AI发展趋势：从“规模化”到“研究”时代

19:20 “扩展”范式的兴起与局限：单纯扩大规模不再是唯一答案

20:58 数据耗尽与算力瓶颈：预训练数据有限，未来需新方法

21:15 重回研究时代：AI发展进入需要新思想和新方法的阶段

泛化能力：AI与人类学习的核心差异

24:07 AI泛化能力的根本性问题：模型在泛化能力上远不如人类

25:04 人类学习的样本效率与鲁棒性：人类学习所需数据少，且更稳定

28:02 人类“更好的机器学习能力”：语言、数学、编程等领域展现人类学习的通用性

SSI的独特路径与“一步到位”策略

31:09 研究时代的氛围与算力需求：研究不一定需要最大规模算力

35:01 SSI的资金与研究资源分配：专注于研究，资源利用更高效

37:09 “一步到位”超级智能的思考：隔离市场竞争，但需逐步展示AI能力

超级智能的部署与社会影响

43:52 逐步部署与公众适应：即使“一步到位”也需渐进式发布

45:04 “通用AI”与“预训练”的概念反思：人类并非通用AI，依赖持续学习

46:42 超级智能的经济增长与“智能爆炸”：快速学习AI可能带来经济飞跃

50:54 AI安全：构建关心“所有有情生命”的AI，而非仅限于人类

未来展望：多AI共存与人类角色

53:09 超级智能的形态：可能是多个强大AI，而非单一“神”

57:41 人类与AI的融合：通过“神经连接”实现共存与平衡

58:47 Sardine广告

SSI的差异化与未来预测

01:00:10 SSI的技术路线与研究重点：专注于有前景的泛化想法

01:01:18 前联合创始人的离职背景：因收购提议与公司战略分歧

01:02:08 AI发展的时间表：5到25年内出现类人学习的超人AI

01:04:34 AI公司策略的趋同：随着AI强大，各公司将在安全策略上达成一致

AI多样性与研究品味

01:09:14 AI模型相似性与多样性缺失：预训练导致模型同质化

01:11:09 自我对弈与对抗性设置：促进AI多样性和学习效率

01:13:12 Ilya的“研究品味”：受大脑启发的美学与自上而下的信念

01:15:34 播客结束

🌟 精彩内容

💡 AI的“泛化鸿沟”与“研究时代”的回归

Ilya Sutskever指出，当前AI在基准测试中表现优异，但实际经济影响滞后，这源于AI与人类学习之间巨大的“泛化鸿沟”。他认为，我们正从单纯追求“规模化”的时代，重新回到需要新思想和新方法的“研究时代”，以解决AI在泛化能力上的根本性问题。

“这些模型更像是第一个学生，甚至有过之而无不及。因为我们会说：‘好，模型应该擅长编程竞赛。’于是我们就去搜集有史以来所有的编程竞赛题目，然后做一些数据增强……这样一来，你就得到了一个非常厉害的编程竞赛选手。”

🧠 人类情感：AI“价值函数”的奥秘

Ilya通过一个大脑情感中枢受损的案例，阐释了人类情感在决策中扮演的“价值函数”角色。他认为，情感虽然相对简单，但其鲁棒性对于人类在复杂世界中有效行动至关重要。这暗示了AI未来发展可能需要内置类似机制，以实现更深层次的智能。

“人类的价值函数在某种重要方式上，是被进化硬编码的情感所调节的。而这对于人类在世界上有效行动，可能至关重要。”

🚀 SSI的独特路径：“一步到位”与“持续学习”的融合

Ilya分享了SSI在实现超级智能上的策略，既考虑了“一步到位”的优势（隔绝市场竞争，专注于研究），也认识到逐步部署和“持续学习”的重要性。他认为，未来的超级智能可能更像一个“渴望学习

📝 本期播客简介

本期我们克隆了：硅谷顶尖创投播客《Lenny's Podcast》

本期我们荣幸邀请到产品和创业界的传奇人物——Stewart Butterfield。作为Flickr和Slack这两家颠覆性公司的创始人，Stewart以其对产品、领导力和组织文化的深刻洞察而闻名，并且极少接受播客采访。在本期节目中，Stewart罕见地敞开心扉，分享了他从游戏转型到创建Flickr和Slack的传奇经历。他深入探讨了“效用曲线”如何指导产品决策，强调“别让我思考”而非盲目减少点击，以及“把伞歪一下”这种细致入微的匠心如何为Slack赢得用户。Stewart还揭示了“超逼真的伪工作”和“帕金森定律”在组织扩张中的陷阱，并回顾了他那篇著名的《我们不卖马鞍》备忘录，强调沟通产品价值的重要性。他以亲身经历阐释了何时该“冷酷理性地转型”，以及他将慷慨视为长期成功的基石，从员工福利到客户政策，无不体现其独特的领导哲学。节目最后，他提出了“所有者的错觉”这一概念，提醒所有产品人要警惕自我中心，真正理解用户。

翻译克隆自：Mental models for building products people love ft. Stewart Butterfield

👨‍⚕️ 本期嘉宾

Stewart Butterfield，Flickr和Slack的创始人。他将Slack出售给Salesforce，完成了科技史上最大规模的收购之一。他以对产品、领导力和组织文化的深刻洞察而闻名。

⏱️ 时间戳

00:00 开场 & 嘉宾介绍

00:00 播客简介与Stewart Butterfield的传奇经历

01:16 Stewart对Slack初期的“自嘲”：产品就是一坨屎

04:02 Stewart近况：休息、陪伴家人与慈善项目

产品心法：理解与匠心

05:29 效用曲线：投入与价值的S型关系

09:19 谷歌日历的“反面教材”：缺乏匠心的时区选择器

12:07 匠心与品味：Slack成功的秘诀与“把伞歪一下”的哲学

16:16 魔法链接与默认通知：用户体验的细微投入

18:19 “大叫的公鸡”：巧妙引导用户行为的匠心设计

20:27 “请勿打扰”功能的精细化发布：平衡各方关切

阻力与理解：别让我思考

22:45 阻力并非总是坏事：理解是关键，而非盲目减少点击

26:38 “别让我思考”：减少用户认知负担的终极目标

33:49 Snapchat的启示：高点击量下的高清晰度体验

组织陷阱与“伪工作”

35:39 永不满足的哲学：对产品持续改进的渴望

37:48 默认状态是“不运作”：任何成功都需巨大努力

40:33 帕金森定律与“超逼真的伪工作”：组织扩张的陷阱

43:44 Slack“线程@人”功能的回归：一项代价高昂的“伪工作”

战略转型与领导哲学

51:16 “我们不卖马鞍”：沟通产品价值，而非仅仅功能

54:57 转型之王：何时该“冷酷理性地转型”

59:09 慷慨的领导力：以客户价值为核心的经营哲学

01:03:43 慷慨的SLA：一次代价高昂但充满善意的政策

产品人警示录

01:05:37 “所有者的错觉”：警惕自我中心，真正理解用户

🌟 精彩内容

💡 **“产品就是一坨屎”的哲学**

Stewart Butterfield 坦言，Slack 在 2014 年发布时，他觉得它“简直就是一坨屎”。他认为，作为产品设计师，如果你看不到几乎无穷无尽的改进机会，那你就根本不该来设计这个产品。这种永不满足的精神是持续创新的基石。

“我觉得我们现在手里的东西，简直就是一坨屎。真的太烂了，我们应该为拿这种东西给公众用而感到羞耻。”

🛠️ **“把伞歪一下”：匠心与共情**

Stewart 分享了“把伞歪一下”的典故：在狭窄的人行道上，很少有人会为迎面而来的人把伞稍微挪开。这成为 Slack 内部的价值观，代表着体贴、礼貌和对他人的共情。这种细致入微的匠心，让 Slack 赢得了用户的情感连接，实现了病毒式增长。

“‘把伞歪一下’就是我们的机会。你没能真正体贴周到、展现礼貌、真正共情他人体验的这一点，恰恰是你能够创造出的一个关键优势。”

🚀 **“别让我思考”：阻力与理解**

Stewart 挑战了“消除阻力”的普遍观念。他认为，真正的挑战在于用户的“理解”，而非单纯减少点击。当用户意图不明确时，产品应专注于建立理解，让用户不用动脑子就能使用软件。过多的决策点会消耗用户精力，甚至让他们感到沮丧。

“如果大家能抛弃那种把减少阻力、减少点击或点按次数当作首要目标的想法，转而专注于‘我怎样才能把这事儿搞得更简单？我怎样才能让用户不用动脑子就能使用我的软件？’”

📈 **“超逼真的伪工作”：组织扩张的陷阱**

Stewart 提出了“超逼真的伪工作”概念，指那些看起来像工作，但实际上没有创造明确价值的活动（例如，为微不足道的改动进行数千小时的分析和会议）。他指出，随着组织扩张，人们出于职业发展和被认可的需要，会倾向于创造更多工作，导致资源浪费。领导者有责任确保有足够的“明确有价值的工作”。

“这种‘超逼真的伪工作’在表面上和工作一模一样……但这实际上是一项假工作。”

💡 **“我们不卖马鞍”：沟通价值的艺术**

Stewart 著名的《我们不卖马鞍》备忘录强调，仅仅打造一个伟大的产品是不够的，你必须花同样多的精力去沟通它能为用户做什么，解决什么问题，带来什么结果。产品人应该激发用户对“骑马体验”的向往，而不是仅仅展示“马鞍”的精良。

“与其说‘嘿，看我们买的这个超棒的马鞍’，你更应该沟通的是‘去骑马吧，看你能拥有多么不可思议的体验’。”

❤️ **慷慨的领导力与长期价值**

Stewart 的领导风格以慷慨著称，体现在对员工的关怀（如全额医保、员工友好的收购条款）和对客户的政策（如公平计费、疫情期间的免费额度）。他认为，慷慨不仅是道德的体现，更是一种长期成功的策略，能够吸引顶尖人才，并最终为客户创造更多价值。

“从长远来看，衡量我们成功的唯一标准，就是我们为客户创造了多少价值。”

🤔 **“所有者的错觉”：警惕自我中心**

Stewart 提出了“所有者的错觉”概念，指出产品创造者往往会高估用户对其产品的关注度和理解。就像餐厅老板在网站上堆砌华丽图片，却忽略用户最关心的地

📝 本期播客简介

本期我们克隆了备受赞誉的《Huberman Lab》播客，由斯坦福大学神经生物学与眼科学教授 Andrew Huberman 主持。他邀请到加州大学旧金山分校神经外科系主任 Eddie Chang 博士，一位在治疗癫痫、运动障碍及言语瘫痪方面世界级的专家。Chang 博士的实验室因其开创性工作而闻名，他们通过脑机接口技术，成功让那些完全无法说话和行动的“闭锁综合征”患者重新获得沟通能力，将脑信号转化为可理解的语言，这无疑是神经科学领域的里程碑。本期节目中，两位自九岁起便相识的挚友，将带我们深入探讨语言和言语的奥秘。您将了解到早期环境声音如何塑造大脑的“关键期”，以及传统上关于大脑语言区域（如布洛卡区和韦尼克区）的认知正如何被颠覆。Chang 博士分享了他在清醒开颅手术中进行大脑功能定位的惊人发现，以及大脑如何精细地控制发音的每一个细节。更令人振奋的是，他们展望了脑机接口的未来，不仅能帮助瘫痪患者说话，甚至能通过数字“化身”实现更丰富、更自然的交流。此外，节目还触及了双语现象、口吃原因及治疗，以及神经技术对人类认知增强的伦理思考。这期内容不仅揭示了大脑的无限潜能，也展现了科技如何为生命带来希望。

翻译克隆自：Dr. Eddie Chang: The Science of Learning & Speaking Languages

👨‍⚕️ 本期嘉宾

Eddie Chang 博士，加州大学旧金山分校神经外科系主任，世界级神经外科专家。他的实验室在脑机接口（BCI）领域取得突破，成功帮助“闭锁综合征”患者恢复沟通能力。

⏱️ 时间戳

播客开场与嘉宾介绍

00:00 欢迎收听与嘉宾介绍

02:14 嘉宾Eddie Chang博士的专业领域与成就

早期脑发育与听觉环境

05:26 早期研究：环境声音如何塑造大脑听觉皮层

12:12 “关键期”与白噪音对大脑发育的影响

19:19 婴儿白噪音机使用的潜在担忧

言语、语言与大脑映射

20:28 言语与语言的区别：大脑控制区域有何不同？

21:29 清醒开颅手术：大脑功能定位的惊人发现

26:12 刺激大脑特定区域引发的情绪反应

28:44 焦虑症与癫痫发作的关联案例

癫痫治疗与生酮饮食

31:14 药物难治性癫痫与神经外科手术

33:14 生酮饮食在癫痫治疗中的应用

癫痫发作的不同类型

36:20 失神性癫痫发作的特点

37:59 颞叶癫痫：异常感官体验与记忆

39:36 夜间癫痫发作的机制

颠覆传统：语言中枢的新认知

40:59 布洛卡区与韦尼克区：教科书知识的修正

49:17 语言在大脑中的侧化现象与惯用手关系

56:00 双语大脑：共享回路与学习关键期

言语生成与大脑编码

1:00:00 大脑如何将声音分解并编码为言语

1:06:02 辅音与元音的神经元编码：爆破音与摩擦音

1:11:86 语言复杂性：音位与发音特征的组合

阅读、写作与失读症

1:19:17 阅读与写作：人类的发明如何映射到大脑功能

1:23:38 失读症（阅读障碍）：音系意识与视觉映射问题

1:27:09 现代交流方式对语言表达的影响

语言学习与记忆

1:30:00 成人语言学习与“外国口音综合征”

1:31:14 听觉记忆的储存与分散性

脑机接口的突破：恢复言语

1:35:56 脑机接口（BCI）如何帮助“闭锁综合征”患者

1:40:25 Pancho的故事：15年瘫痪后通过BCI重新“说话”

1:44:22 AI算法解码脑信号：从意念到文字

1:47:06 词汇量扩展与自动纠错技术

神经增强与伦理思考

1:51:03 脑机接口的未来：认知增强的可能性与挑战

1:53:05 增强技术的伦理考量与社会影响

非语言交流与口吃

1:56:36 面部表情在交流中的重要性：数字“化身”的未来

2:02:50 口吃：言语流畅性障碍与焦虑的关系

2:05:56 口吃治疗：言语疗法与反馈机制

个人习惯与专注力

2:07:53 运动对身心状态的调节作用

2:08:35 手术室：专注与断联的“避难所”

播客总结与致谢

2:11:28 神经外科：探索大脑前沿的“宇航员”

2:12:29 对Eddie Chang博士的感谢与工作展望

🌟 精彩内容

💡 **“关键期”与大脑可塑性**

Chang 博士分享了其早期研究，揭示大脑在发育的“关键期”对声音模式高度敏感。他通过动物实验发现，剥夺环境声音可能延长这一关键期，但也可能延缓听觉皮层的成熟。这引发了对婴儿白噪音机使用的深思。

“这个敏感期并不仅仅是由基因程序决定的，我们听到的声音的性质也在一定程度上帮助这个关键期的窗口打开和关闭。”

🧠 **颠覆传统：语言中枢的新认知**

节目挑战了传统教科书中关于布洛卡区（Broca's Area）和韦尼克区（Wernicke's Area）的认知。Chang 博士通过清醒开颅手术的临床观察发现，布洛卡区并非总是言语生成的关键，而中央前回（运动皮层的一部分）对发音更为重要。

“布洛卡区是说话基础的观点，现在基本上是错误的。我们必须想办法修正教科书。”

🗣️ **言语的精细编码**

Chang 博士详细解释了大脑如何将复杂的声音分解为基本的频率，并在听觉皮层中编码。他揭示了神经元如何对辅音和元音的特定特征（如爆破音和摩擦音）做出反应，这些看似简单的12种发音特征，组合起来却能生成几乎无限的词语和意义，这与DNA的编码方式异曲同工。

“我们人类用这十二个特征的组合来生成所有的词语……我们生成意义。”

🤖 **脑机接口的里程碑：Pancho的故事**

Chang 博士团队通过脑机接口（BCI）技术，成功帮助因脑干中风瘫痪15年的Pancho重新获得语言能力。通过在大脑言语运动皮层植入电极，并利用AI算法解码脑信号，Pancho能够将意念转化为屏幕上的文字。这一突破不仅恢复了沟通，更展现了科技为“闭锁综合征”患者带来希望的

📝 本期播客简介

本期克隆了Acquired播客。将带你深入了解可口可乐公司140年的传奇历史。从内战后的专利药起家，到成为全球市值三千亿美元的饮料巨头，可口可乐的故事不仅是商业成功的典范，更是美国文化与全球化的缩影。我们将揭秘其独特的商业模式、营销策略，以及那些塑造了我们今天所知的可口可乐的里程碑事件，包括与百事可乐的世纪大战，以及那场惊心动魄的“新可乐”灾难。

翻译克隆自：Coca-Cola

👨‍⚕️ 本期公司

可口可乐公司（The Coca-Cola Company），全球最大的饮料公司，总部位于美国佐治亚州亚特兰大。

⏱️ 时间戳

可口可乐的诞生：从专利药到提神饮料

00:00 开场：查理·芒格的挑战与可口可乐的独特之处

06:12 专利药时代：南北战争后的市场与吗啡替代品

15:08 禁酒令催生：不含酒精的“可口可乐”配方诞生

22:23 早期营销：免费试饮券与苏打水吧台的崛起

商业模式的基石：坎德勒时代与瓶装系统

28:04 坎德勒的收购：2300美元买下未来巨头

33:15 品牌塑造：从“健脑补品”到“美味提神”

41:13 瓶装模式：零资本扩张的秘密武器

52:33 捍卫品牌：商标战与轮廓瓶的诞生

伍德拉夫时代：生活方式营销与全球扩张

01:03:41 罗伯特·伍德拉夫：可口可乐的“老板”与生活方式广告的开创者

01:12:00 圣诞老人的商业化：可口可乐与圣诞节的绑定

01:23:41 标准化与增长：加油站、冷藏箱与国际化

01:33:15 百事可乐的崛起：价格战与商标诉讼

可乐大战：百事挑战与新可乐灾难

01:41:02 世界大战：可口可乐的全球化契机与芬达的诞生

01:52:11 百事可乐的反击：Alfred Steele与“百事一代”

01:57:40 麦当劳的秘密：可口可乐与快餐巨头的深度合作

02:17:40 百事挑战：John Sculley的营销奇迹

02:32:54 罗伯托·戈伊苏埃塔：玉米糖浆与健怡可乐的成功

02:51:20 新可乐灾难：改变配方的惨痛教训与经典可乐的回归

现代可口可乐：多元化与未来挑战

03:03:15 沃伦·巴菲特的投资：新可乐危机后的机遇

03:06:38 广告创新：CAA、北极熊与“永远是可口可乐”

03:11:05 全品类饮料战略：收购与错失的良机（魔爪、佳得乐）

03:17:27 今日可口可乐：品牌组合、全球足迹与可持续发展挑战

🌟 精彩内容

💡 查理·芒格的“财富密码”：节目开篇以查理·芒格的思考实验引入，探讨如何将一家非酒精饮料公司打造成万亿市值，为可口可乐的商业策略埋下伏笔。

“你是想卖一辈子糖水，还是想跟我一起改变世界？”

🛠️ 专利药的遗产：可口可乐的起源与美国南北战争后的“专利药”热潮紧密相连，最初的配方中含有可卡因和高浓度咖啡因，作为一种“健脑补品”推向市场。

“我估计，大概在可口可乐开始生产的头十年里，喝上四五杯可口可乐，就差不多相当于今天吸食一条可卡因。”

🚀 零资本扩张的奇迹：可口可乐通过与瓶装商签订独特的永久合同，以极低的成本实现了全国乃至全球的快速扩张，形成了其独有的“可口可乐系统”。

“这让可口可乐公司能够完全零资本、零投资地进入并扩大瓶装业务。”

🎨 圣诞老人的“可口可乐化”：罗伯特·伍德拉夫时代，可口可乐通过与顶尖艺术家合作，成功将圣诞老人塑造成我们今天所熟知的形象，并将其与品牌深度绑定。

“他们成功地把圣诞老人和可口可乐联系在了一起。”

🤯 新可乐的灾难与重生：1985年，可口可乐因“百事挑战”的压力，冒险改变了经典配方，引发了前所未有的消费者反弹，最终在79天后重新推出“可口可乐经典版”，反而巩固了其市场地位。

“我最亲爱的可口可乐，你背叛了我……我记得我们一起走过校园，讨论生活、爱情和所有重要的事情。”

🌐 播客信息补充

本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的

使用 AI 进行翻译，因此可能会有一些地方不通顺；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介

本期节目，克隆聊 Lex Fridman对话Helion能源公司CEO David Kirtley，一位核能工程师和核聚变专家。Helion正致力于建造核聚变反应堆，并取得了惊人的进展，让人类能源自由的梦想触手可及。David详细解释了核聚变与核裂变的根本区别，包括燃料来源、能量释放机制和安全性。他深入探讨了Helion独特的脉冲磁惯性聚变方法——场反转位形（FRC），如何通过超高速磁场翻转实现等离子体自组织，以及如何克服高β等离子体的稳定性挑战。节目还揭示了Helion在研发过程中如何通过快速迭代、小规模制造和创新采购（甚至包括eBay）来加速技术突破。David描绘了核聚变在解决全球能源危机、推动AI发展、甚至太空探索和地缘政治稳定方面的宏伟蓝图，并分享了Helion与微软合作，力争在2028年实现首个聚变发电厂并网的雄心。

克隆翻译自：David Kirtley: Nuclear Fusion, Plasma Physics, and the Future of Energy | Lex Fridman Podcast #485

👨‍⚕️ 本期嘉宾

David Kirtley，Helion能源公司CEO，核能工程师和核聚变专家。Helion致力于建造核聚变反应堆，以清洁、安全的方式解决全球能源需求。

⏱️ 时间戳

开场与核聚变愿景

00:00 播客简介与核聚变潜力

00:42 核聚变与核裂变：基本概念与区别

01:55 能源富足对人类文明的深远影响

02:14 宇宙的动力之源：核聚变与E=mc²

04:30 燃料之源：裂变与聚变的燃料差异

05:52 氘：地球水中的无限能源

核聚变的工作原理与安全性

11:13 能量释放机制：高温、强核力与质量亏损

12:52 聚变之难：克服电磁斥力与太阳引力约束

14:02 聚变“发电机”而非“反应堆”

16:00 核聚变的核心优势：清洁、安全、直接发电

17:12 核裂变反应堆的链式反应与安全性解析

22:22 核聚变与核武器：无法用于制造武器的本质区别

26:18 地缘政治影响：消除能源垄断，促进和平

28:00 核聚变发电厂的固有安全性：燃料限制与陨石撞击测试

31:07 聚变废料：无长寿命放射性废料，类似粒子加速器监管

Helion的聚变技术与工程实践

34:46 聚变路径：惯性、磁约束与Helion的磁惯性聚变

43:18 场反转位形 (FRC)：等离子体的自组织与磁场反转

55:54 FRC的稳定性挑战：高β等离子体与S Star/E参数

1:05:30 达到亿度高温：速度即温度，微秒级反应

1:10:18 超高速控制：千兆赫兹计算与FPGA编程

1:13:11 实时诊断：光纤传感器与罗氏线圈

1:16:18 数值模拟：从MHD到粒子代码，AI/ML加速设计

1:25:12 聚变功率最大化：磁场强度与直接能量转换

1:31:24 高效直接能量转换：活塞发动机类比与电容器回充

1:33:25 燃料选择：氘-氦三的优势与挑战

1:37:12 成本与规模：材料成本驱动，追求小型化

创新文化与未来展望

1:42:06 快速迭代与制造：小规模、低成本、eBay采购策略

1:49:55 Helion原型机系列：从IPA到Trenta的演进

1:55:35 首个聚变发电厂：2028年为微软数据中心供电

1:58:01 克服质疑：坚持不懈的工程与科学探索

2:01:901 电网连接与直流供电：数据中心与聚变的完美结合

2:03:591 AI时代的能源需求：聚变与计算的未来

2:05:19 卡尔达舍夫文明：能源富足的宏大愿景

2:11:16 聚变解锁的未来：太空探索、垂直农场与社会变革

2:14:32 聚变推进：深空旅行的理想能源

2:17:09 费米悖论与外星文明：套娃大脑与认知扩张

2:22:07 物理之美：万物运作的精妙平衡

🌟 精彩内容

💡 核聚变：无限、清洁、安全的未来能源

David Kirtley深入解释了核聚变如何利用轻原子核融合释放巨大能量，如同太阳一般，提供几乎无限的清洁电力。他强调，聚变燃料（如氘）在地球海水中储量巨大，足以满足人类数亿年的能源需求，且过程中不产生长寿命放射性废料，从根本上保障了安全性。

“聚变是宇宙的动力之源。恒星的能量就来自聚变。”

🛠️ Helion的创新之路：快速迭代与制造先行

Helion通过建造七代原型机，从IPA到Trenta，不断验证和优化其独特的脉冲磁惯性聚变技术。David分享了团队如何通过小规模、低成本的快速迭代，甚至通过eBay采购零部件，来加速研发进程。这种“建造者优先”的文化和垂直整合的制造策略，使得Helion能在极短时间内实现技术突破。

“通过制造一百个东西，你实际上可以比制造一个东西更快。”

🚀 场反转位形 (FRC)：等离子体的自组织奇迹

Helion的核心技术FRC，通过在微秒级时间内快速反转磁场，诱导等离子体自组织成一个闭合磁场结构，从而实现自我约束。这种高β等离子体虽然不稳定，但通过精确的工程设计和超高速控制（利用千兆赫兹级计算和FPGA），Helion成功地维持了其稳定性，为高效聚变奠定了基础。

“快速反转磁场，等离子体自组织成一个闭合场。”

⚡️ 直接能量转换：聚变发电的效率飞跃

与传统核裂变通过蒸汽涡轮机发电（效率30-35%）不同，Helion的FRC系统能够直接将聚变产生的带电粒子能量转化为电能，效率高达80-85%。这种高效率不仅能回收聚变能量，还能以95%的效率回收投入的磁能，极大地提升了发电性能和经济效益。

“你可以把电投入到聚变中，然后以百分之九十五的效率把电取回来。”

🔮 AI时代的能源伙伴：2028年与微软并网

📝 本期播客简介

本期节目，我们克隆了 "I Invented the Transformer. Now I'm Replacing It."

邀请到了Transformer的共同发明人Llion Jones，以及Sakana AI研究科学家Luke Darlow。Llion Jones提出了一个大胆的观点：Transformer架构（作为ChatGPT和几乎所有现代AI的核心）可能正在将整个行业困在一个“局部最优解”中，阻碍我们发现真正的智能推理能力。他将深入剖析这一论点，并与Luke Darlow共同介绍他们最新的研究成果——“连续思维机器”（Continuous Thinker Machine, CTM），这项创新技术有望引领AI迈向新的前沿。本期节目将是一场关于AI未来方向的深度对话，探讨如何跳出现有框架，拥抱更具生物启发性和适应性的智能范式。

文字版精华见微信公众号（点击跳转）

👨‍⚕️ 本期嘉宾

Llion Jones：Transformer的共同发明人之一，Sakana AI联合创始人。他曾是Google Brain团队的核心成员，对Transformer的诞生和发展做出了奠基性贡献。现在，他致力于探索超越Transformer的下一代AI架构。

Luke Darlow：Sakana AI研究科学家，主要研究领域是“连续思维机器”（CTM）。他主导了CTM的研发，并将其推向了今年的NeurIPS大会焦点论文。

⏱️ 时间戳

00:00 开场 & 播客简介

摆脱Transformer的“引力盆地”

00:00:00 Llion Jones：告别Transformer：过度饱和领域中的新探索

00:00:27 Luke Darlow：连续思维机器：具备自适应计算能力的新循环模型

00:00:56 Llion Jones：AI研究自由度的丧失：从自下而上到受限创新

00:01:40 Llion Jones：大规模演化搜索的潜力：算力投入与未被探索的方向

00:02:07 主持人：Sakana AI的核心理念：拥抱兴趣梯度，拒绝“灰色粘质”

00:02:57 Llion Jones：守护研究自由：公司发展中面临的挑战与哲学坚守

00:03:31 Llion Jones：削减自由的流程：商业压力与投资回报的预期

00:04:40 主持人：“技术捕获”现象：Transformer的成功与商业化压力

00:05:22 Llion Jones：局部最优解的困境：被大语言模型“捕获”的行业

00:05:37 Llion Jones：RNN时代的启示：技术突破与微小改进的循环

00:07:24 Llion Jones：Transformer的碾压式突破：旧研究的“多余”与当下的“浪费”

00:08:48 主持人：成功受害者：硬件/架构彩票与多样化技能的消亡

00:09:45 Llion Jones：人才困境：研究人员缺乏自由而非才华

00:10:24 主持人：新架构难以普及：通用表示与规模化路径的诱惑

00:11:02 Llion Jones：超越Transformer：需要“碾压式更好”才能推动行业转向

00:12:16 Llion Jones：引力效应：规模化带来的性能提升掩盖了架构创新

00:12:34 主持人：捷径学习与“破碎纠缠表示”：现有架构的修修补补

00:13:08 Llion Jones：连续思维机器的尝试：解决“参差不齐的智能”

00:13:50 Llion Jones：神经网络的“强大”与“强迫”：它们并非“想要”如此

00:14:14 Llion Jones：智能矩阵求幂：螺旋线数据的“自然”表示与理解

00:15:33 Llion Jones：ReLU模型的局限：蛮力拟合与缺乏真正理解

00:16:02 主持人：神经网络样条理论：描摹模式与延续模式的差异

00:17:20 Llion Jones：视频生成模型的困境：蛮力解决与缺乏深层理解

00:18:15 主持人：NeurIPS焦点论文：连续思维机器的创新与认可

连续思维机器（CTM）深度解析

00:18:31 Llion Jones：CTM的诞生：受生物学启发，神经元同步的简单想法

00:19:20 Llion Jones：打磨论文：无需匆忙，专注科学研究本身

00:20:02 主持人：AI驱动的进步：模型能否自主进行科学研究？

00:20:14 Llion Jones：AI科学家：端到端研究系统与人机协作的未来

00:21:22 主持人：监督的必要性：路径依赖与人类兴趣的延续

00:21:48 Llion Jones：引导与协作：AI研究如同指导实习生

00:22:18 主持

克隆翻译自 2024 Commencement Address by Roger Federer at Dartmouth

📝 本期播客简介

在本期节目中，克隆了 A16z podcast. 他们邀请到 Cursor 的设计负责人 Ryo Lu，与主持人 Jennifer 深入探讨在 AI 时代，软件开发、设计与协作模式正经历的深刻变革。Ryo 分享了他对设计本质的理解——它不仅是美学，更是架构与核心概念的体现。他剖析了过去软件开发角色碎片化带来的挑战，并阐述了 Cursor 如何利用 AI 统一不同角色的工作流，将代码作为“共同真相”，赋能更多人成为软件创造者。节目还探讨了 AI 时代“品味”的含义、通用工具与专用工具的哲学辩论，以及如何在开放的 AI 环境中通过“约束”激发创造力。Ryo 也分享了他独特的灵感来源，以及通过“RyoOS”项目对软件设计永恒概念的思考。

翻译克隆自：Ryo Lu (Cursor): AI Turns Designers to Developers

👨‍⚕️ 本期嘉宾

Ryo Lu，Cursor 设计负责人。

Jennifer，主持人。

⏱️ 时间戳

AI重塑软件开发与设计

00:00 软件开发从碎片化走向统一：AI让设计更亲民

01:00 Ryo Lu的背景与思考：软件开发的抽象层与协作效率

03:19 Cursor如何加速迭代：从模糊想法到快速原型

05:14 AI赋能协作：Cursor连接Figma、Notion与代码库

AI时代的角色演变与“品味”

06:04 软件开发角色碎片化的挑战与AI的整合作用

07:07 代码作为“共同真相”：AI如何统一团队认知

09:44 AI时代的“品味”：人类视角与AI的辅助

12:12 角色边界模糊：从专业分工到“软件创造者”

14:18 AI工具赋能：设计师也能动手开发

设计的本质与通用工具哲学

15:33 设计的深层含义：美学之外的架构与核心概念

16:45 简洁性原则：以最少概念实现最大价值

17:17 Cursor的用户拓展：让非技术人员也能轻松上手

20:13 通用应用与专用工具之辩：Notion与Cursor的哲学

22:15 专用工具的局限性：信息孤岛与概念推倒重来

23:52 通用工具的挑战与AI的解决方案

AI与创造力的平衡

26:40 AI作为通用接口：从聊天框到多样化交互形态

27:34 用户体验设计：引导用户适应AI交互模式

28:17 约束激发创造力：简洁性与认知负荷的平衡

29:51 动态界面与定制化：未来软件的设计范式

31:08 Cursor的工具箱理念：高度定制化以适应工作流

Ryo的灵感来源与RyoOS项目

31:08 Ryo的创意流程：散步、书写、观察与空白

32:40 RyoOS项目：从复古Mac OS到永恒的设计概念

34:17 软件设计的永恒模式：技术条件下的呈现差异

🌟 精彩内容

💡 AI重塑软件开发流程

Ryo Lu指出，过去15年软件开发角色日益碎片化，而AI正在逆转这一趋势。Cursor通过连接Figma、Notion等工具和核心代码库，让AI理解项目的全貌，极大地加速了从想法到实现的原型迭代过程，使得“设计”这一概念变得前所未有的亲民。

“过去这十五年吧，软件开发这门手艺变得越来越碎片化...但有了 Cursor 之后，情况又反过来了。”

🛠️ 代码作为“共同真相”

面对设计师、工程师、产品经理各自为阵的局面，Ryo强调代码是团队的“共同真相”。AI能够围绕代码收集并整合所有信息——无论是团队知识、项目规划，还是用户反馈，从而打破信息孤岛，让不同角色在统一的语境下高效协作。

“有一个共同的真相，那就是代码。你可以围绕代码收集大量信息，把所有东西综合起来。”

🎨 AI时代的“品味”与人类主导

Ryo认为AI本身没有“品味”，因为它“什么都见过”，缺乏观点。AI擅长快速完成基础工作，但真正的“品味”在于人类对“好”的自我选择和边界划定。他强调，如果创始人不注入自己的观点，AI只会生成“AI垃圾”。

“必须得由人来明确，什么是好的，什么是对的，我希望怎么做。如果你不注入这种观点，那它只会生成一堆 A I 垃圾。”

🚀 通用工具的哲学与AI的赋能

Ryo推崇Notion和Cursor这类“万能应用”的哲学，它们通过最少的概念（如Notion的块、页面）构建出极大的灵活性，避免了专用工具的信息孤岛问题。AI在其中扮演关键角色，能够为这类通用工具提供更好的包装和引导，让用户更容易上手和定制。

“我的个人偏好是，我会尝试去做一个能更好地服务于所有人的东西，而不是说‘这些人才是我们关心的，其他人我不管’。”

🖼️ RyoOS：对永恒设计概念的思考

Ryo分享了他的个人项目RyoOS，通过复刻旧版Mac OS界面，探索软件设

📝 本期播客简介

本期节目带您回到1996年，聆听史蒂夫·乔布斯一段罕见的深度访谈。乔布斯亲自揭示了他当年为何收购皮克斯动画工作室的缘由，以及如何将制作出第一部电脑动画长片《玩具总动员》的梦想变为现实。他深入剖析了皮克斯独特的企业文化，巧妙融合硅谷的技术创新与好莱坞的艺术创作，并分享了作为领导者如何为顶尖创意人才搭建自由创作的平台。乔布斯还对比了技术产品短暂的生命周期与经典故事的永恒魅力，强调了《玩具总动员》之所以能流传后世，并非因为技术，而是其触动人心的友情故事。这段对话不仅是了解皮克斯发展历程的宝贵资料，更是乔布斯对创新、文化和永恒价值的深刻思考。

翻译克隆自：Pixar's Early Days - A Never-Before-Seen Interview With Steve Jobs, 1996

👨‍⚕️ 本期嘉宾

史蒂夫·乔布斯 (Steve Jobs)，苹果公司联合创始人，皮克斯动画工作室的掌舵者。

⏱️ 时间戳

开场 & 播客简介

00:00 欢迎收听跨国串门计划

皮克斯的诞生与乔布斯的选择

02:21 乔布斯收购皮克斯的初衷：追逐电脑动画长片之梦

02:45 《玩具总动员》的成功与乔布斯对图形技术的渊源

03:07 皮克斯：高端电脑图形领域的圣地

乔布斯在皮克斯的角色与独特文化

03:48 乔布斯：我不是电影制作人，我是创造环境的人

04:04 硅谷与好莱坞的融合：皮克斯独特的人才吸引力

04:58 “Silly Wood”的陷阱：皮克斯如何避免技术与好莱坞的失败结合

皮克斯的商业模式与行业演变

05:20 皮克斯与迪士尼的合作：从担忧到互利共赢

06:42 电脑动画行业的困境：“雇佣制”与利润下滑

07:50 退出广告业务：聚焦自有内容所有权

乔布斯的领导哲学：赋能与支持

08:44 打造伟大的动画工作室：乔布斯的战略与角色

09:50 “权力金字塔倒置”：CEO为顶尖人才服务

10:48 如何支持人才：创造环境、扫清障碍、高标准招聘

动画制作的艺术与智慧

11:48 迪士尼的经验传承：动画长片“先剪辑后制作”的智慧

12:43 宝贵的教育：皮克斯从迪士尼学到的制作精髓

皮克斯的“无合同”雇佣模式

13:15 好莱坞的“大棒”与硅谷的“胡萝卜”：两种留人模式的对比

13:53 皮克斯的选择：股票期权激发共同目标与归属感

14:28 每日反思：如何让皮克斯成为没人愿意离开的公司

技术产品与永恒故事的价值

16:00 技术产品的短暂生命周期与“沉淀层”

16:19 《白雪公主》的启示：经典故事的永恒魅力

17:05 《玩具总动员》：因友情而非技术流传后世

17:35 乔布斯的追求：创造能流传很久、带来乐趣与学习的产品

对未来的展望：视觉与故事的平衡

18:31 视觉的无限野心：渲染复杂度随技术同步增长

19:16 故事为王：技术无法将坏故事变好

19:36 讲故事的艺术：永恒的钻研与挑战

🌟 精彩内容

💡 乔布斯收购皮克斯的初衷：追逐梦想

史蒂夫·乔布斯分享了他1985年与Ed Catmull相遇，并被其制作第一部电脑动画长片的梦想所打动。他不仅投入资金，更投入精神，历经十年最终实现了《玩具总动员》的成功。

“我完全认同了这个梦想，并且在资金和精神上都投入了进去。我们花了十年时间才实现这个目标，但最终还是做到了。”

🛠️ 硅谷与好莱坞的融合：皮克斯的独特文化

乔布斯认为皮克斯是全世界唯一能同时吸引硅谷顶尖计算机科学家和好莱坞最优秀创意人才的地方。他花了十年时间摸索出让这两种截然不同文化的人协同工作的方法，并成功避免了“Silly Wood”的陷阱。

“我们花了十年时间，才摸索出让他们协同工作的方法，这很不容易，因为他们来自两种截然不同的文化：好莱坞文化和硅谷文化。”

🚀 乔布斯的领导哲学：“权力金字塔倒置”

乔布斯阐述了他的领导理念：CEO并非在金字塔顶端，而是为那些真正做出杰出工作的人服务。他致力于创造一个环境，支持和赋能顶尖人才，让他们能自由创作。

“权力金字塔其实是倒过来的，C E O 反而是在最底层。我感觉我像是在为他们大多数人工作，因为他们才是那些做出所有杰出工作的人。”

💻 皮克斯的“无合同”雇佣模式

皮克斯摒弃了好莱坞传统的合同制，转而采用硅谷的股票期权模式。乔布斯解释说，这种模式促使公司每天思考如何成为一个更好的工作场所，让员工发自内心愿意留下，而非被合同束缚。

“我们每天都在思考，怎么才能把皮克斯打造成一个更好的公司，好到没人愿意离开。我们不会把任何人视为理所当然。”

❤️ 永恒故事的价值：技术只是辅助

乔布斯对比了技术产品的短暂生命周期与经典故事的永恒魅力。他以《白雪公主》为例，强调《玩具总动员》之所以能流传后世，并非因为电脑特效，而是其触动人心的友情故事。他坚信，讲故事的艺术始终是核心，技术只是辅助。

“我想，六十年后，人们还会看《玩具总动员》，不是因为它的电脑特效，而是因为它的故事，一个关于友情的故事。”

🌐 播客信息补充

本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的

使用 AI 进行翻译，因此可能会有一些地方不通顺；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介

本期节目克隆自知名播客《The Cognitive Revolution》，主持人Nathan与Atlassian公司人工智能负责人Sherif Mansour深入对话。Atlassian，这家市值四百亿美元的科技巨头，以Jira等软件开发工具闻名，但其用户已扩展至市场、人力、财务等非技术部门。Sherif分享了Atlassian如何通过注入“品味、知识和工作流”来对抗“AI废料”，并探讨了企业环境中检索增强生成（RAG）技术的局限性，以及Atlassian如何利用其独有的“团队协作图谱”解决复杂查询。对话还涵盖了AI与用户界面的演变、为知识工作者打造专用浏览器的愿景，以及对“一人独角兽公司”概念的质疑。这是一场超越AI代理宣传噱头的深度对话，为AI工程师和商业领袖提供了流程架构的实践智慧。

翻译克隆自：Escaping AI Slop: How Atlassian Gives AI Teammates Taste, Knowledge, & Workflows, w- Sherif Mansour

👨‍⚕️ 本期嘉宾

Sherif Mansour，Atlassian公司人工智能负责人。

⏱️ 时间戳

播客概览与AI介绍

00:00 播客简介与嘉宾介绍

01:34 Nathan的AI生成开场白与Atlassian公司背景

05:30 Atlassian的AI愿景：AI作为“虚拟队友”

AI队友与“AI废料”的挑战

08:22 AI队友的本质：信任与透明度，而非过度拟人化

12:17 何为“AI废料”：通用、缺乏创造性的输出

13:15 对抗“AI废料”的三要素：品味、知识和工作流

16:24 注入“品味”：通过上下文和个人记忆实现个性化

21:39 Atlassian的“默认开放”文化如何赋能AI

AI技术栈与企业应用

26:22 内存与上下文：RAG在企业环境中的局限性

28:19 Atlassian的“团队协作图谱”：解决复杂跨团队查询

34:11 “遗忘”机制：AI如何处理过时信息

37:13 成本、延迟与性能：AI模型选择的平衡之道

44:04 模型商品化：通用模型趋同，垂直模型兴起

AI与用户界面的未来

46:41 用户界面演变：从通用聊天到专业化AI应用UI

53:21 AI与SaaS产品：从“动手做”到“工作流设计师”

59:14 “一人独角兽”的质疑：协作复杂性与“AI废料”问题

领导力与AI采纳

01:05:00 如何教授“工作流设计”技能

01:07:02 领导者如何通过个人实践推动AI采纳

01:19:43 鼓励AI采纳：创造安全空间与学习过程

Atlassian的战略与软件未来

01:08:03 收购“浏览器公司”：为知识工作者打造专用浏览器

01:12:13 企业收购AI初创公司的考量：技术、市场与“工作流邻近度”

01:15:32 软件的未来：AI将导致软件工具的爆炸式增长与更细粒度化

结语

01:24:27 嘉宾Sherif Mansour的最终建议

01:25:15 播客信息补充

🌟 精彩内容

💡 对抗“AI废料”的三要素

Sherif Mansour 提出了一个核心框架：通过注入“品味、知识和工作流”来避免AI生成通用且缺乏价值的“废料”。“品味”代表团队独特的风格和思考方式；“知识”指客户提供的组织内部数据；“工作流”则是将AI部署到具体的业务流程中。他强调，这三者是企业有效应用AI的关键。

“对抗‘AI废料’最重要的一点，就是注入你团队的‘性格’，你团队的‘灵魂’。”

🛠️ “团队协作图谱”超越RAG

在企业环境中，传统的检索增强生成（RAG）技术因权限限制和查询复杂性而面临挑战。Atlassian通过其独特的“团队协作图谱”，能够理解用户、团队、目标及各项工作（如Jira工单、Confluence页面、Figma设计稿）之间的复杂关系，从而回答“我的团队上周做了什么？”这类RAG难以处理的宽泛问题。

“对于这个问题，RAG会是一个非常糟糕的解决方案…图谱解决方案要好得多。”

🚀 AI与用户界面的演变

Sherif Mansour 认为，聊天是当前大语言模型的通用界面，但就像早期的MS-DOS命令行一样，它并非所有任务的最佳界面。未来将出现更多垂直化、专业化的AI应用用户界面，它们构建在底层对话式AI之上，为特定任务提供更高效、可预测的体验。

“聊天是通用界面，但从长远来看，它也是最糟糕的界面

📝 本期播客简介

本期我们克隆了知名播客《Huberman Lab》的深度对话，主持人Andrew Huberman邀请到斯坦福商学院的演讲与沟通专家Matt Abrahams。Matt老师将深入探讨如何在各种情境下成为更出色的沟通者，无论是面对大众的公开演讲，还是日常的一对一交流。节目中，他分享了许多实用工具和技巧，帮助我们克服沟通焦虑，有效消除“嗯”、“啊”等口头禅，从容应对怯场，并提升表达的清晰度和记忆关键信息的能力。Andrew和Matt的对话触及了沟通的本质，包括如何理解“真实性”与“可信度”，以及“启发式思维”在沟通中的作用。Matt老师提供了诸如“指物命名”练习、录音复盘、以及通过“短语落地”技巧减少口头禅等具体方法。此外，他们还讨论了如何通过提问引导不善言辞者、有效的故事叙述、跨文化沟通的挑战与策略、以及如何在不失风度的情况下应对打断。无论是为重要演讲做准备，还是寻求提升日常交流的质量，本期节目都将为您提供宝贵的见解和可操作的策略。

翻译克隆自：How to Speak Clearly & With Confidence | Matt Abrahams

👨‍⚕️ 本期嘉宾

Matt Abrahams，斯坦福商学院演讲与沟通专家，著有《即兴演讲：如何在任何场合自信、清晰地表达》。

⏱️ 时间戳

开场与嘉宾介绍

00:00 欢迎收听：跨国串门计划与本期播客简介

03:28 嘉宾介绍：斯坦福沟通专家Matt Abrahams

05:22 沟通的本质：为何公开演讲令人恐惧？

克服沟通焦虑与提升表达

01:58 告别背稿：为何不建议背诵演讲稿

11:11 摆脱自我评判：“指物命名”练习与启发式思维

29:45 实践与反馈：录音回看、日常反思与寻求外部反馈

02:03:07 缓解焦虑：管理生理症状与重塑沟通目标

01:57:20 减少口头禅：通过“短语落地”技巧改善表达

02:52:48 沟通热身：重要沟通前的简短交谈

有效传递信息

08:01 真实性与可信度：先建立连接，再展示资历

20:32 听众为中心：理解听众需求，提升信息保真度

27:03 结构化表达：用故事和框架提升信息理解度

01:49:51 跨文化沟通：关注清晰度而非口音，利用重复和比喻

01:51:10 处理打断：提前设定界限与复述技巧

应对突发状况与特殊情境

01:11:07 忘词怎么办：理性分析恐惧，利用重复或提问

01:04:47 临场应变：斯坦福教授洒水事件的启示与应急计划

02:32 引导沉默者：用提问和“再多说说”鼓励对方表达

02:00:07 争取加薪：考虑时机、换位思考与充分练习

01:55:25 关系沟通：如何“赢得”争论而不伤感情

沟通的深层思考

01:33:48 社交媒体影响：改变沟通期待与社交发展

01:41:11 “安静但不害羞”：内向者的沟通力量

01:44:52 体育与武术：通过身体训练提升沟通自信与临在感

Andrew Huberman分享的实用技巧

02:14:01 睡眠优化：酒店住宿、瑜伽休息术与眼动练习

02:28:23 赞助商信息：Function Health

🌟 精彩内容

💡 别再背稿了！

Matt Abrahams强调，背诵演讲稿会增加认知负荷，让你不断将实际表达与预设版本比较，反而更容易紧张和忘词。他建议使用“路线图”或“框架”，对关键观点保持熟悉，而非逐字背诵。

“背稿特别不好，因为它会加重你的认知负荷。你给自己设定了一种‘正确’的表达方式，然后就会不停地拿自己实际说出来的，去和你预设的那个版本做比较。”

🛠️ 告别“嗯”、“啊”：短语落地技巧

为了减少口头禅，Matt Abrahams分享了一个简单而有效的“短语落地”技巧：在每个句子或短语的末尾，将气完全呼出。这不仅能自然地创造停顿，防止你发出填充词，还能让你在吸气后以更清晰、更有力的声音开始下一个短语。

“我训练自己在句末和短语末尾‘落地’，也就是把气呼尽，我就必须吸气。这样我不仅说不出‘嗯’，我什么也说不出来，我还给自己制造了一个停顿。”

🚀 克服社交焦虑：从好奇心开始

Matt Abrahams建议，在社交场合，尤其是与不善言辞者交流时，应以“好奇心”为引导。通过提问并给予对方充分的表达空间（如使用“再多说说”），可以有效开启对话，了解对方的兴趣点，从而建立更深层次的连接。

“我对那个问题的答案会是‘好奇心’。带着好奇心去引导，问问题，观察事物，然后指出来。”

🧠 沟通的“武术”：重复、反思与反馈

提升沟通能力没有捷径，Matt Abrahams提出“重复、反思和反馈”三大支柱。他自己每天记录沟通中的优缺点，每周复盘并制定改进计划。他鼓励人们录下自己的沟通，从听觉、视觉、整体三个维度进行分析，并寻求信任的反馈。

“提升沟通能力的唯一途径只有三件事：重复、反思和反馈。你必须练习。没有人是靠‘想’就把沟通能力提高的，你必须去做。”

❤️ 像导游一样沟通：结构与节奏的力量

好的沟通者就像一位优秀的导游，能设定预期，清晰指引方向，并在旅途中穿插引人入胜的细节。Matt Abrahams强调，信息传递需要结构和节奏，就像乐高说明书通过步骤的快慢变化来创造情感体验一样。这能帮助听众更好地理解和记忆信息。

“一个好的导游会很好地设定你将要去哪里的期望... 我会在每个节点让你知道我们正在前往下一个地方。但一路上，我们可以漫步，可以闲逛，可以去看看一些东西再回来。”

🌐 播客信息补充

本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的

使用 AI 进行翻译，因此可能会有一些地方不通顺；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介

本期播客克隆自一场重要的科技峰会，Verizon 开源负责人 Dirk Hohndel 与 Linux 和 Git 的创造者 Linus Torvalds 展开了一场深度对话。他们回顾了 Linux 内核近十年来的非凡演进，从 Linus 强调维护是核心工作，到他如何从过去的“说不”转变为有时鼓励新想法的“说好”，例如引入 Rust 语言的争议与价值。对话还深入探讨了硬件领域从 CPU 到 AI 加速器的重心转移，以及 AI 技术对 Linux 内核开发流程、代码质量乃至整个软件开发行业可能带来的颠覆性影响。Linus 以其一贯的坦率，分享了 AI 生成代码的利弊，并预测 AI 不会取代程序员，而是会像编译器一样提升效率。更令人惊喜的是，他首次揭秘了自己如何通过制作吉他效果器来放松身心，将复杂的工作与简单的爱好形成鲜明对比。本期节目将带您领略 Linus Torvalds 这位科技巨匠对技术前沿的深刻洞察，以及他作为一位普通人的独特一面，充满智慧与幽默。

翻译克隆自：Keynote: Linus Torvalds, Creator of Linux & Git, in Conversation with Dirk Hohndel

👨‍⚕️ 本期嘉宾

Linus Torvalds, Linux 和 Git 的创造者。

Dirk Hohndel, Verizon 开源负责人。

⏱️ 时间戳

00:00 开场 & 播客简介

Linus 的角色与 Linux 的演进

01:06 嘉宾介绍：Dirk Hohndel 与 Linus Torvalds

01:32 Linus 谈公开演讲与维护者身份

02:33 Linus 的核心工作：维护者而非程序员

03:11 Linux 的永恒使命：维护与持续支持

04:44 Linus 的转变：从“说不”到“说好”

05:54 Rust 语言的引入：价值与争议

07:23 大型项目中的冲突与和谐

Linux 内核现状与硬件趋势

08:13 Linux 6.18 RC4：无聊即是稳定

09:07 硬件重心转移：从 CPU 到 AI 加速器

10:39 Linux 在 AI 硬件生态中的角色

AI 对软件开发的影响

11:51 AI 在内核开发中的应用与挑战

14:08 AI 生成代码：“氛围编码”的利弊

16:48 AI 不会取代程序员，而是提高效率

Linus 的个人生活与爱好

18:39 Linus 的爱好：制作吉他踏板

19:22 爱好对于高压工作的意义

21:29 Linus 的日常与沟通方式

22:37 结束语：Linus 的“言不由衷”

🌟 精彩内容

💡 Linus 的核心工作：维护而非创造

Linus 强调自己近二十年已不再是程序员，而是 Linux 内核和 Git 的技术主管和维护者，真正的代码工作由社区完成。

“真正的活儿都不是我干的。过去快二十年里，我已经不是个程序员了，我是系统的技术主管和维护者。”

🛠️ Linux 的永恒维护与发展

Linus 认为，一个真正的项目，其核心工作在于维护和持续支持，尤其是在新硬件不断涌现的背景下，Linux 永远不会有“完工”的一天。

“所有真正的项目，真正的工作都在于维护和持续支持，特别是内核。”

🚀 从“说不”到“说好”的转变

Linus 坦言，过去他常扮演“说不”的角色，拒绝激进的新想法；但近年来，为了打破思维定势，吸引新人，他有时会主动鼓励尝试新事物，例如引入 Rust 语言。

“最近几年，我感觉有时候我的工作变成了说‘行’……我就是那个拍板说‘好，我们做’的人。”

💻 AI：效率工具而非取代者

Linus 认为 AI 生成代码虽然带来了一些挑战（如垃圾提交），但它更像编译器一样，是提高效率的工具，不会取代真正的程序员，反而可能开辟新领域，需要更多软件工程师。

“我觉得 A I 最终也会如此，它只是个让你不必处理所有细枝末节的工具，但不会让真正的程序员消失一样。”

❤️ Linus 的独特爱好与生活哲学

Linus 首次分享他制作吉他效果器踏板的爱好，即使他毫无音乐天赋。他鼓励大家寻找一个即使失败也充满乐趣的爱好，以此来缓解高压工作带来的焦虑。

“如果你有一份高风险、压力大的工作，觉得需要做点别的事来放松，你应该找

📝 本期播客简介

本期节目克隆了 Stripe Podcast，主持人John Collison与微软CEO萨提亚·纳德拉（Satya Nadella）进行了一场深度对话。萨提亚·纳德拉在微软任职三十多年，在他的领导下，微软市值增长十倍，成功引领了云计算和AI浪潮。他不仅分享了对AI未来的深刻洞察，更深入探讨了企业如何构建自己的AI工厂，以及Copilot如何通过整合底层数据图谱，革新企业工作流。萨提亚认为，AI模型不仅需要智能，更要具备记忆、权限和行动空间，这才是其发挥潜力的关键。他幽默地将Excel誉为“世界上最亲民的编程环境”，并对比了互联网泡沫与当前的AI热潮，指出当前AI基础设施建设面临的独特挑战，例如GPU和电力供应的紧张。对话还深入探讨了“公司专属基础模型”作为未来企业核心IP的重要性，以及代理式商务如何重塑电商体验。萨提亚也分享了他通过Teams频道进行“走动式管理”的独特方式，以及微软从早期捆绑策略转向开放互操作的文化变革。最后，他回顾了在海得拉巴的成长经历，以及板球和文学如何塑造了他的人生观，为我们展现了一个多维度、充满智慧的领导者形象。

翻译克隆自：Satya Nadella describes how lessons from Microsoft’s history apply to today’s boom

👨‍⚕️ 本期嘉宾

Satya Nadella，微软公司首席执行官。他于2014年接任CEO，此前在微软任职超过20年，曾领导微软的云计算业务Azure。在他的领导下，微软市值大幅增长，并成功转型为云计算和AI领域的领导者。

⏱️ 时间戳

AI与企业转型

00:00 开场 & 播客简介

02:38 构建企业AI工厂：从数据层到智能层的挑战

03:04 Copilot：整合企业数据图谱，革新工作流

04:06 企业AI落地：变革管理、数据治理与ERP集成

04:44 “信息触手可及”的梦想：AI如何实现数据结构化

07:07 AI模型的三大关键：记忆、权限与行动空间

领导力与工作哲学

08:24 萨提亚的日常：客户沟通与高效会议

09:14 “Teams走动式管理”：虚拟走廊中的洞察

10:32 拥抱开发者与初创企业：平台相关性的关键

12:02 收购GitHub：深入开发者生态

软件与UI的未来

12:48 个性化生成式UI：软件的实时渲染

13:11 IDE的回归：AI时代的代码理解与迭代

13:57 宏观授权与微观操纵：代理式工作流的未来

15:02 核心UI形式的持久性：表格、文档与收件箱

历史教训与AI浪潮

16:00 互联网泡沫与AI热潮：历史的相似与不同

17:42 微软的互联网转型：从封闭到开放的演变

19:27 范式、杀手级应用与商业模式：每次技术浪潮的挑战

21:03 AI基础设施建设：GPU、电力与全球布局的瓶颈

24:50 数据主权与企业IP：公司专属基础模型的重要性

27:19 Stripe的案例：构建支付基础模型

代理式商务的崛起

31:07 代理式商务：连接商家与用户的全新体验

31:33 AI赋能电商：简化整合，优化用户体验

32:01 AI搜索：颠覆传统关键词搜索

33:36 AI对电商发现与定向搜索的影响

35:51 代理式商务的挑战：商家无摩擦入驻

AI模型与微软战略

37:51 AI模型忠诚度：智能、风格与多模型选择

41:07 微软的AI全栈战略：Token工厂、代理工厂与垂直应用

43:14 捆绑与模块化：何时整合，何时独立

47:38 微软的文化变革：回归开放与互操作

文化与个人成长

48:51 领导力挑战：重塑文化与抵御外部叙事

52:00 规模化管理：CEO的职责与团队建设

54:19 海得拉巴的教育影响：激情与自由发展

55:12 个人爱好：板球与文学

🌐 播客信息补充

本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的

使用 AI 进行翻译，因此可能会有一些地方不通顺；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介

本期我们克隆了知名科技播客《Big Technology Podcast》的一集，主持人Alex Kantrowitz与Cloudflare的CEO兼联合创始人Matthew Prince展开了一场关于生成式AI与万维网未来的深度对话。Matthew Prince以其在网络安全领域的远见卓识，揭示了当前互联网面临的严峻挑战：生成式AI正在免费抓取海量网络内容，直接提供答案，导致原创内容网站的流量锐减，严重威胁到内容创作者的生存与激励机制。他指出，谷歌、OpenAI等AI巨头对流量的回馈已跌至历史低点，如果这种趋势持续，将扼杀内容创作的动力，最终反噬AI本身。 面对这一危机，Matthew Prince提出了Cloudflare的激进解决方案：他们将启用HTTP协议中沉寂已久的“402 Payment Required”状态码，对不愿为内容付费的AI爬虫进行拦截。这不仅是一项技术防御，更旨在建立一个动态市场，让AI公司为它们所消耗的原创内容支付合理费用，从而确保创作者获得补偿，激励高质量内容的持续产出。他强调，AI是互联网的未来，但这个未来必须建立在公平的价值交换之上，避免出现少数AI公司垄断知识的“黑镜”式局面。Matthew Prince的观点深刻而富有洞察，为我们描绘了一个人类免费获取信息、机器人为内容买单的理想愿景，以及实现这一愿景的技术路径和商业模式变革。这场对话将带您深入思考AI时代内容创作的价值与未来。

原播客更新时间：Aug 14, 2025
原播客：Can We Save The Web From AI? — With Cloudflare CEO Matthew Prince

👨‍⚕️ 本期嘉宾

Matthew Prince，Cloudflare的CEO兼联合创始人。他在网络安全领域拥有深厚背景和远见，致力于保护互联网的开放性和公平性。

⏱️ 时间戳

开场 & 播客简介

00:00 播客简介与嘉宾介绍

AI对万维网的颠覆性影响

02:00 传统网络商业模式的瓦解：从搜索驱动到AI驱动

03:00 AI巨头对流量回馈的冲击：Google、OpenAI与Anthropic的数据对比

05:00 内容创作激励机制的危机：出版商面临的生存威胁

08:00 AI抓取内容的真实成本：知识产权与服务器负担

10:00 扼杀创作动力对AI自身发展的反噬

AI时代的网络未来与挑战

11:00 警惕“黑镜”式未来：少数AI公司垄断知识的风险

12:00 理想愿景：人类免费获取信息，机器人为内容买单

13:00 订阅模式的终结与新补偿机制的必要性

14:00 高质量原创内容的稀缺性与价值：填补AI的“知识漏洞”

Cloudflare的激进解决方案

15:00 Cloudflare为何介入：AI爬虫对网站的“DDoS”效应

17:00 Robots.txt的局限性与更精细的控制需求

18:00 启用HTTP 402 “Payment Required”：技术防御与市场构建

19:00 建立动态内容交易市场：让AI公司为内容付费

19:00 解决方案对SEO的影响及Google爬虫的拆分

AI与网络安全及未来趋势

20:00 AI在网络安全攻防中的双刃剑效应

21:00 AI技术投资的效率与实际应用落地

🌟 精彩内容

💡 AI对内容创作的颠覆性冲击

Matthew Prince指出，AI模型免费抓取海量网络内容并直接提供答案，导致原创内容网站的流量锐减。Google、OpenAI等巨头对流量的回馈已跌至历史低点，严重威胁到内容创作者的生存与激励机制。如果这种趋势持续，将扼杀内容创作的动力，最终反噬AI本身。

🛠️ Cloudflare的“402 Payment Required”反击

面对危机，Cloudflare提出激进解决方案：启用HTTP协议中沉寂已久的“402 Payment Required”状态码，对不愿为内容付费的AI爬虫进行拦截。这不仅是技术防御，更旨在建立一个动态市场，让AI公司为所消耗的原创内容支付合理费用，确保创作者获得补偿。

🚀 理想愿景：人类免费，机器人买单

Matthew Prince描绘了一个理想愿景：人类应该再次免费获取内容，而机器人则应为它们所消化的内容支付大价钱。他认为，AI的未来必须建立在公平的价值交换之上，避免出现少数AI公司垄断知识的“黑镜”式局面，从而激励高质量内容的持续产出。

💻 原创内容的稀缺价值

在AI生成内容大爆发的背景下，Matthew Prince强调高质量、原创的人类内容依然稀缺且价值巨大。他认为，有价值的内容能够填补AI模型的“知识漏洞”，AI公司将更愿意为这些能够提升其智能水平的独特信息付费，从而促进原创研究和深度洞察的产生。

🌐 播客信息补充

本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的

使用 AI 进行翻译，因此可能会有一些地方不通顺；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介

本期《Hard Fork》特别节目，主持人Kevin和Casey对话Google DeepMind CEO Demis Hassabis及Gemini团队副总裁Josh Woodward，深入探讨备受瞩目的Gemini 3.0大模型。节目揭示了Gemini 3.0在编程、多步骤推理、生成定制化交互界面等方面的突破，例如通过提问直接构建梵高互动教程或房贷计算器。两位高管分享了Google在AI领域的战略转变，以及Demis Hassabis对通用人工智能（AGI）实现时间表的最新看法。他们还回应了AI安全、模型效率及AI“泡沫”等热门话题，强调Gemini 3.0作为强大“工具”的定位，以及Google如何利用其庞大用户基础将Gemini 3.0融入搜索等核心产品，并赋能学生学习。这不仅是对前沿AI技术的解读，更是对AI未来发展路径、安全考量和市场格局的深刻洞察。

翻译克隆自：Demis Hassabis & Josh Woodward tell us why Gemini 3.0 puts Google in front of the A.I. race

👨‍⚕️ 本期嘉宾

Demis Hassabis，Google DeepMind CEO。

Josh Woodward，Gemini团队副总裁。

⏱️ 时间戳

00:00 开场 & Gemini 3.0概览

00:00 播客简介与Gemini 3.0的发布背景

03:01 Gemini 3.0的核心能力：生成定制化交互界面

04:08 性能飞跃：基准测试中的显著提升

05:12 智能助手：Gemini智能体如何管理收件箱

05:35 融入核心产品：Gemini 3.0在Google搜索中的应用

07:01 推广策略：向大学生免费提供Gemini付费版

对话Google AI高管

08:18 Gemini 3.0的定位：超越“思域”的强大模型

08:41 核心突破：推理能力、多步骤思考与生成式界面

09:55 用户体验：简洁、可靠与“Vibe Coding”能力

11:20 AGI时间表：Gemini 3.0是否加速通用人工智能到来？

12:50 AI的“人设”：Gemini 3.0作为工具而非伴侣

14:07 AI竞赛：Google是否重回领先地位？

16:01 效率与成本：Gemini 3.0如何实现高效服务数十亿用户

17:51 扩展定律：AI模型性能增长的边界与收益递减

19:04 安全考量：新模型带来的潜在风险与安全测试

21:12 AI泡沫：行业现状与Google的应对策略

23:06 实际应用：如何用Gemini 3.0展示AI的魅力

🌟 精彩内容

💡 Gemini 3.0的革命性能力

Demis Hassabis和Josh Woodward揭示了Gemini 3.0的突破性进展，不仅在编程能力和多步骤推理上表现卓越，更能根据用户提问直接生成定制化的交互界面，例如梵高互动教程或房贷计算器。这标志着AI从文本输出向动态交互的飞跃。

“除了那些你意料之中的，比如编程能力更强、vibe coding 能力更强之外，它还能在你提问时为你生成全新的界面。”

🚀 Google AI重回领先地位？

面对竞争对手的紧张，Google高管回应了关于其AI地位的讨论。Demis Hassabis强调Google DeepMind作为“动力室”正在推动所有Google核心产品（如搜索、地图、YouTube）的AI原生化，并表示Google专注于自身进步速度，而非简单地宣称领先。

“我觉得现在的关键是找到我们的节奏，确保这些研究成果能反映在我们的下游产品中。”

🤖 AGI时间表与关键突破

Demis Hassabis重申了他对通用人工智能（AGI）在五到十年内实现的预测，并指出Gemini 3.0的进展“完全符合计划”。他认

📝 本期播客简介

本期我们克隆了：知名播客《Lenny's Podcast》对人工智能教母李飞飞博士的独家专访。

李飞飞博士被誉为人工智能领域的先驱，ImageNet项目的缔造者，谷歌云前首席AI科学家，斯坦福大学以人为本人工智能研究院的联合创始人。她曾带领AI走出“寒冬”，将人工智能从一个“贬义词”变为改变世界的关键技术。本次对话中，她将带领我们回顾AI从诞生到如今的辉煌历程，深入探讨ImageNet如何奠定现代AI的基石，并分享她对人工智能未来发展方向的深刻洞察。她强调AI应以人为本，是人类的工具而非替代品，每个人都在其中扮演重要角色。节目中，李飞飞博士还首次公开介绍了她创办的World Labs及其突破性产品“Marble”——一个能从提示词生成可交互三维世界的“世界模型”，并展望了它在电影、游戏、机器人模拟乃至心理治疗等领域的无限可能。这是一场关于AI过去、现在与未来的深度对话，充满智慧与启发，不容错过。

原视频：The Godmother of AI on how we got to today—and what comes next | Dr. Fei-Fei Li

👨‍⚕️ 本期嘉宾

Dr. Fei-Fei Li（李飞飞博士），人工智能教母，ImageNet项目的缔造者，谷歌云前首席AI科学家，斯坦福大学以人为本人工智能研究院的联合创始人，World Labs创始人。

⏱️ 时间戳

00:00 开场 & 播客简介

AI的寒冬与复苏

02:00 AI曾是“贬义词”：从回避到主流的转变

02:23 AI的本质：源于人、造于人、影响人

03:06 机器学习的洞见：需要海量数据才能智能

04:21 AI的演变：从“脏词”到无处不在

AI的核心哲学与责任

07:12 人本主义视角：AI的未来取决于人类的选择

08:33 AI非“人造”：强调人类的灵感与创造

09:10 AI时代：每个人都应成为负责任的个体

现代AI的诞生：ImageNet的故事

11:00 AI简史：从早期探索到机器学习的兴起

14:15 视觉智能的“北极星”：物体识别与大数据需求

17:07 ImageNet的创建：1500万图像与2.2万类别

18:17 深度学习的突破：ImageNet、GPU与神经网络的黄金组合

20:30 AI词汇的变迁：从“机器学习”到“AI”

AGI的边界与未来创新

22:47 AGI的定义：是科学术语还是营销手段？

24:23 创新瓶颈：仅靠数据和算力不足以实现AGI

25:35 现有AI的局限：缺乏创造力、外推能力与情商

世界模型与World Labs的愿景

27:39 世界模型的兴起：马斯克、黄仁勋等巨头关注

28:16 世界模型的定义：超越语言的空间智能与具身智能

31:23 世界模型应用：机器人、游戏、设计与科学发现

34:15 “下一件大事看起来像个玩具”：ChatGPT的启示

机器人学与“苦涩的教训”

36:00 “苦涩的教训”：大数据+简单模型胜过复杂模型

37:06 机器人学挑战：数据获取难与物理系统的复杂性

41:19 对人类的敬畏：AI工作加深对人脑效率的理解

Marble产品发布与应用

42:03 Marble：World Labs首款产品，生成可交互三维世界

43:09 “提示词到世界”：Marble的独特能力与用户体验

46:32 Marble的应用场景：虚拟制片、游戏、机器人模拟、心理治疗

50:20 Marble与Sora的区别：空间智能与3D世界构建

创业历程与职业选择

53:49 World Labs的创建：创业的挑战与惊喜

55:31 职业生涯：好奇心、热情与智力无畏的指引

58:32 给年轻AI人才的建议：关注热情、使命与团队

斯坦福以人为本AI研究院（HAI）

01:00:13 HAI的创立：AI作为文明级技术，需要以人为本的框架

01:01:32 HAI的工作：跨学科研究、教育、政策与生态系统影响

结语：AI与每个人的角色

01:03:36 AI时代：每个人都有自己的角色与尊严

01:06:27 World Labs与Marble：探索AI未来的开放平台

01:07:11 播客结束语

🌐 播客信息补充

翻译克隆自：

本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的

使用 AI 进行翻译，因此可能会有一些地方不通顺；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介

本期我们克隆了：知名神经科学播客《Huberman Lab》

本期嘉宾 Jennifer Groh 博士是感官整合领域的权威，她将带我们深入大脑如何将视觉、听觉等感官信息无缝融合，形成对世界的稳定感知。节目从一个惊人发现入手：耳膜竟会随眼球运动微动，这可能是视觉与听觉整合的起点。Groh 博士还提出大胆理论——思考本质上是利用感官和运动系统运行模拟程序，比如回想“猫”时，大脑会模拟其形象、叫声甚至气味。她探讨声音定位的精密计算（如半毫秒时间差）、音乐进化的协同作用（如吓跑捕食者）、以及数字时代如何管理注意力，从中央车站的“耳语画廊”到催眠鸡的奇妙实验，这场对话颠覆了对大脑工作方式的认知，提供实用工具提升专注力和学习效率。

翻译克隆自：How Your Thoughts Are Built & How You Can Shape Them | Dr. Jennifer Groh

👨‍⚕️ 本期嘉宾

Jennifer Groh 博士，杜克大学心理学与神经科学教授，感官整合专家。她的实验室聚焦大脑如何融合多感官信息以提升注意力与学习，她著有《创造空间：大脑如何知道事物的位置》，研究揭示耳膜与眼动联动等前沿发现，推动了对感知与思考机制的理解。

⏱️ 时间戳

00:00 开场 & 播客简介

感官整合基础

02:00 视觉与听觉的首次融合：上丘结构与眼动影响

05:30 耳膜随眼球运动微动：感官整合的惊人起点

08:00 大脑计算空间信息：从静态地图到动态调整

声音定位机制

10:00 时间差与音量线索：大脑如何在半毫秒内定位声音

15:00 耳朵形状与反弹：频率过滤与环境回声的作用

18:00 为什么自己的声音听起来奇怪：骨传导与音量调节

距离与环境影响

20:00 声音深度线索：响度、反弹与雷声判断

25:00 真实世界实验：中央车站耳语画廊与高天花板回声

30:00 视觉 vs 听觉差异：光线直线 vs 声音弯曲传播

音乐与进化

35:00 节奏的普遍性：音乐如何协同行动吓跑捕食者

40:00 哈卡表演与求爱信号：声音频率的情感力量

45:00 进化路径：从原始发声到歌曲与舞蹈

思考的模拟理论

50:00 思考即感官模拟：回想“猫”激活多感官程序

55:00 资源竞争解释：为什么开车时无法分心聊天

注意力与大脑状态

01:00:00 心流与吸引子状态：乙酰胆碱如何锚定专注

01:05:00 间歇工作策略：像运动员一样训练大脑

01:10:00 音乐与白噪音：个性化工具提升认知

视觉驱动注意力

01:15:00 催眠鸡实验：会聚眼动锁定注意力锥形区

01:20:00 手机小盒子陷阱：视觉输入如何耗尽资源

手机与管理策略

01:25:00 外包警觉与专用手机：拥抱注意力起伏

01:30:00 学校与日常应用：平衡连接与深度工作

01:35:00 结尾建议：信任大脑恢复与多感官整合

🌟 精彩内容

💡 耳膜随眼动微动：感官整合起点

Groh 博士揭示一个革命性发现：耳膜会随着每一次眼球扫视而振动，形成波浪状运动，这携带眼睛位置信息，是视觉听觉融合的最早步骤，帮助大脑创建统一的空间地图。“你的耳朵在发出声音，随着眼睛移动而动，这太疯狂了。”

🧠 思考的模拟理论：大脑运行感官程序

节目核心理论：思考不是抽象过程，而是用视觉、听觉等感官系统模拟现实。比如，回想“猫”时，大脑在视觉皮层模拟毛色、在听觉皮层模拟叫声，甚至嗅觉皮层浮现猫砂味。这解释了为什么开车并线时无法聊天——资源被转移到感知运动任务。“如果你想起‘猫’，脑中是什么颜色的？它激活了多感官模拟。”

🎵 音乐进化的协同力量：节奏吓跑鬣狗

音乐并非奢侈品，而是进化工具：节奏帮助群体同步跺脚、大喊，发出比个体响亮的声音，吓退捕食者。哈卡表演展示团结与力量，频率影响情绪（如低频不祥、高频轻快）。“想象一群人类用节奏协同，声音放大十倍，就能抢走狮子的猎物。”

🔍 注意力管理：间歇训练与视觉锚定

如运动员般对待大脑：间歇工作（写一句后休息）比强迫高效更好。催眠鸡实验证明视觉会聚锁定注意力，中国课堂用“盯点”提升专注40分钟。手机如无限沟渠，需专用设备隔离。“大脑像滚珠在平面上，创造狭窄输入才能掉入心流沟渠。”

📱 手机的双刃剑：外包与边界

承认手机便利（如订票），但无休止滚动耗尽乙酰胆碱资源。策略：专用社交手机、自动回复、替换无聊滚动为播客。学校禁手机实验值得推广。“外包警觉让我放松，知道灾难时会通知，却不被轰炸。”

🌐 播客信息补充

本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的

使用 AI 进行翻译，因此可能会有一些地方不通顺；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

本期使用 Brie Wolfson 的克隆声线，朗读了 Inside Cursor 这篇文章

📝 本期播客简介

本期节目克隆了知名思想家、天使投资人 Naval Ravikant 的个人播客《Naval Podcast》中的精彩一集。Naval 与主持人深入探讨了他推特上引发广泛共鸣的核心思想。他从埃隆·马斯克身上汲取灵感，强调了独立思考、紧迫感和实践迭代的重要性，指出真正的学习和成长并非照搬他人经验，而是在“竞技场中”亲身实战。Naval 分享了他对“为自己工作”的独特见解，认为这虽然意味着没有传统意义上的周末和假期，却能带来无与伦比的自由和自我实现。他鼓励我们通过行动找到与自身“特定知识”相符的事业，并像叔本华一样，敢于直面真相，不畏世俗眼光。节目还触及了“为一切责备自己，并保留主导权”这一深刻理念，揭示了个人责任与掌控力的关系。Naval 强调，成功并非全靠运气，而是源于持续的努力和迭代。他用“难以改变”的产品设计（如 iPhone 和猛禽发动机）为例，阐释了简单性如何从复杂迭代中诞生，以及质疑需求、移除不必要部分的重要性。最后，Naval 分享了他对学习和智慧的看法，倡导学习物理学以理解现实，并成为一个“博学者”，通过动手实践推动知识前沿。

翻译克隆自：Collection: In the Arena

👨‍⚕️ 本期嘉宾

Naval Ravikant，知名思想家、天使投资人，他的智慧和哲学深刻影响着全球创业者和思考者。

⏱️ 时间戳

00:00 开场 & 播客简介

从埃隆·马斯克汲取灵感

02:17 埃隆·马斯克的启发：独立思考与紧迫感

03:20 原则的通用性与情境的特殊性

04:29 学习的真谛：人生就是上场实战

为自己工作的自由与悖论

05:57 为自己工作：没有周末，也没有“工作”

10:10 一旦尝到自由的滋味，就无法再被雇佣

11:06 找到你的“特定知识”：为“自我”而工作

13:19 通过行动和实践发现特定知识

15:15 选择与你本性契合的事业和营销方式

16:01 迭代的力量：不是一万小时，而是一万次迭代

掌控你的命运：责备自己，保留主导权

22:54 为一切责备自己，并保留主导权

23:44 成功并非全靠运气：持续努力与迭代的重要性

24:44 愤世嫉俗的信念会自我实现：保持乐观与远见

叔本华与真理的追求

25:45 叔本华的智慧：直面真理，不畏世俗

27:07 接受自己的卓越，不惧他人眼光

27:40 真正的反馈来自自由市场和自然界

大卫·多伊奇与高密度知识

30:13 大卫·多伊奇：现代认识论的灯塔

31:27 为什么我们追求高密度知识：尊重时间与获取智慧

33:02 知识的吸收：分形性质与迭代理解

好产品与好解释的本质

33:02 好的解释是难以改变的

33:51 好的产品是难以改变的：以iPhone为例

35:49 简单性源于复杂迭代：SpaceX猛禽发动机

36:34 埃隆·马斯克的产品设计原则：质疑需求，移除不必要

学习与成为博学者

39:43 学习物理：理解现实的基石

40:44 成为“博学者”：动手实践，推动知识前沿

🌟 精彩内容

💡 埃隆·马斯克的启发：行动与迭代

Naval 强调，从埃隆·马斯克身上学到的不是具体步骤，而是独立思考、紧迫感和持续迭代的精神。真正的学习发生在“竞技场中”，通过亲身实践来领悟原则的适用性。

“人生就是上场实战，你只能通过实践来学习。”

🛠️ 为自己工作：自由与“特定知识”

为自己工作意味着没有传统意义上的周末和假期，但它带来了无与伦比的自由和自我实现。关键在于找到与自身“特定知识”相符的事业，这种知识是通过行动和迭代发现的，是个人独特性的表达。

“一旦尝到自由的滋味，你就可能再也无法被雇佣了。”

🚀 掌控命运：责备自己，保留主导权

Naval 倡导“为一切责备自己，并保留主导权”的心态。他指出，成功并非纯粹的运气，而是持续努力和迭代的结果。保持乐观和远见，避免愤世嫉俗的信念，才能真正改变局面。

“你必须为你身上发生的每一件坏事负责。这是一种心态。”

📚 叔本华与高密度知识

Naval 推崇叔本华直面真理、不畏世俗的写作风格，认为他给予了人们“做自己”的许可。同时，他也强调了阅读大卫·多伊奇等高密度作品的重要性，这些作品尊重读者时间，提供普适原则和智慧。

“真实的反馈来自自由市场和自然界。物理学是严酷的，你的产品要么管用，要么不管用。”

🍎 好产品与好解释的本质

好的产品和解释都是“难以改变”的，它们经过复杂迭代，最终达到简洁和高效。Naval 引用埃隆·马斯克的产品设计原则：首先质疑需求，移除不必要的组件，最后再进行优化。

“好的产品是难以改变的。去看看 iPhone，这个光滑、完美、美丽的宝石。”

🧠 学习与成为博学者

Naval 建议学习物理学，因为它能训练你如何与现实互动，并击碎脑中的谬论。他鼓励人们成为“博学者”，通过动手实践和建造，始终站在知识的最前沿。

“学物理。一旦你学了物理，你就在学习现实是如何运作的。”

🌐 播客信息补充

本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的

使用 AI 进行翻译，因此可能会有一些地方不通顺；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介

本期节目，我们克隆了 Latent Space。他们邀请到风险投资公司 Menlo Ventures 的合伙人 Deedy Das。他曾是企业搜索公司 Glean 的核心成员，如今作为 Anthropic 的重要投资人，亲历并推动着AI领域的飞速发展。Deedy Das将深入剖析企业搜索的挑战与机遇，分享Glean如何在AI浪潮中实现从“无聊”到“酷”的转变。他更作为Anthropic的早期和主要投资人，揭秘这家AI巨头如何以惊人速度成长，以及其独特的文化和研究策略。我们还将探讨Menlo Ventures旗下专为Anthropic生态系统设立的Anthology基金，以及其投资的明星项目，包括革新API路由的OpenRouter、提升语音转录体验的Wispr，以及一家正在探索扩散模型在代码生成领域应用的“隐形”公司。Deedy Das还将分享他对AI时代创业公司护城河、市场动态和投资策略的独到见解，并对“凭感觉编程”现象提出深刻思考，探讨AI助手如何重塑工程师的工作方式和安全挑战。这期节目将带您领略AI前沿的商业洞察与技术趋势。

原播客：Anthropic, Glean & OpenRouter: How AI Moats Are Built with Deedy Das of Menlo Ventures

👨‍⚕️ 本期嘉宾

Deedy Das，Menlo Ventures 合伙人。他曾是企业搜索公司 Glean 的核心成员，现为 Anthropic 的主要投资人，并负责 Menlo Ventures 旗下专为 Anthropic 生态系统设立的 Anthology 基金。

⏱️ 时间戳

00:00 开场 & 播客简介

00:00 欢迎Deedy Das，介绍本期节目内容

01:07 Deedy Das回顾职业转变与AI的飞速发展

Glean：企业搜索的蜕变与挑战

02:24 Glean的估值飞跃：从10亿到70亿美元

02:28 从“无聊”到“酷”：Glean在AI时代的转型之路

03:33 ChatGPT时代的企业搜索竞争与Glean的护城河

05:05 企业SaaS的API限制与AI实验室的竞争挑战

08:33 企业搜索的独特难题：数据、评估与用户行为

11:50 生产力工具的病毒式增长困境与Glean的用户获取策略

Anthropic：AI巨头的崛起与投资逻辑

14:02 Anthropic的惊人成长：史上增长最快的软件公司

15:57 Anthropic的独特文化与高人才留存率

18:04 Anthropic的公众形象重塑与“思考”理念

20:24 AI市场份额变迁：OpenAI与Anthropic的此消彼长

22:35 投资Anthropic的核心考量：收入、利润与未来市场

24:13 Claude的模型质量、定价策略与未来展望

26:27 模型层与应用层之争：谁拥有真正的护城河？

31:42 Rahul Patel案例：印度人才的崛起与突破

Anthology基金：AI生态投资新模式

34:58 Anthology基金：Menlo Ventures与Anthropic的合作模式

37:55 Anthology基金的投资策略与三类公司

39:07 研究型AI投资：高风险、高回报的潜力

40:29 GoodAI：机制可解释性，解密AI“黑箱”

43:04 Prime Intellect：分布式AI训练的愿景

44:52 OpenRouter：API路由的革新者与PLG增长

47:37 OpenRouter的商业模式风险与竞争优势

51:00 Wispr：语音转录的极致体验与未来交互

53:19 “隐形公司”：扩散模型在代码生成领域的探索

54:57 Transformer与扩散模型：技术路线的“硬件乐透”

56:04 市场动态对创业公司的决定性影响

AI时代的投资趋势与工程师未来

59:09 “整合型”公司：AI估值套利与市场垄断

01:00:06 风险投资中的“反身性”与资金的竞争作用

01:01:10 AI基础设施：资本密集型投资与计算资源消耗

01:03:09 “苦涩药丸”理论：巨额计算投入能否持续带来模型突破？

01:05:05 “凭感觉编程”：AI助手对工程师工作方式与安全挑战

01:06:18 编码的乐趣与AI助手的“大脑香烟”效应

01:07:26 快速智能体与异步智能体：AI辅助的未来形态

01:10:11 对年轻一代工程师的担忧：过度依赖AI的潜在影响

📝 本期播客简介

本期我们克隆了知名播客《Lenny's Podcast》中，主持人Lenny与Jellyfish联合创始人Jen Abel的深度对话。Jen Abel是一位经验丰富的销售专家，致力于帮助早期创始人学习销售、探索客户并建立可复制的销售流程。本期节目深入探讨了创始人主导销售的核心理念与实战技巧。Jen强调，在创业早期，创始人本身就是产品，他们独特的愿景和洞察是最大的竞争优势。她分享了如何高效寻找潜在客户，撰写简短、反直觉且聚焦问题的冷启动邮件，以及如何在首次通话中展现真诚与脆弱，将重点放在学习而非销售，从而获取最真实的市场反馈。节目还探讨了在面对新市场或复杂企业客户时，先提供服务而非直接推销产品的策略，以及如何应对采购部门的挑战。Jen指出，销售最大的陷阱在于不合格的客户筛选，并鼓励创始人要相信自己的产品，用热情和信任去赢得客户，因为企业销售的投入将带来指数级的回报。这期节目为所有希望提升销售能力的创始人提供了大量可立即实践的宝贵建议。

原播客时间：Nov 24, 2024

原播客: The ultimate guide to founder-led sales | Jen Abel (co-founder of JJELLYFISH)

文本精华：见微信公众号

👨‍⚕️ 本期嘉宾

Jen Abel，Jellyfish 的联合创始人，专注于帮助早期创始人学习销售、进行早期客户探索，并建立一套可复制的销售流程。在创办 Jellyfish 之前，Jen 曾是 The Muse 和 General Assembly 的企业销售总监。

⏱️ 时间戳

00:00 开场 & 播客简介

创始人主导销售：核心理念与优势

02:02 创始人主导销售的重要性：早期创始人就是产品

05:29 创始人主导销售的定义：从零到一，寻找最初的客户

00:08:03 创始人主导销售的三大竞争优势：愿景、高层对话、捕捉早期信号

00:10:38 创始人不擅长销售：挑战与应对

销售流程概述

00:11:14 传统销售阶段：从初次沟通到最终签约

吸引潜在客户：冷启动策略

00:12:46 如何在信息爆炸时代脱颖而出：创始人邮件的份量

00:13:21 撰写高效冷启动信息：相关性、反直觉、简洁、聚焦问题

00:16:23 冷启动邮件案例分享

00:17:38 冷启动邮件的转化率与市场洞察

00:21:20 如何判断是产品问题还是销售问题：市场驱动与技术驱动

00:24:11 寻找优质潜在客户：手动筛选30个目标客户

00:29:33 再次强调冷启动邮件结构：相关性、反直觉、简洁、聚焦问题

00:31:31 销售误区：避免用“更好”作为卖点

首次销售通话技巧

00:32:36 首次通话策略：展现脆弱与学习心态

00:34:46 早期销售与后期销售的差异：学习而非收入

00:36:16 创始人主导销售的里程碑：达到100万美元年经常性收入

00:38:25 早期不宜招聘销售：高失败率

00:39:03 激发客户兴趣：关注他们的“啊哈时刻”与想象

00:40:07 成功信号：客户是否衡量、管理并尝试解决问题

00:42:52 结束通话技巧：现场敲定下次会议

共同撰写与服务先行

00:44:13 共同撰写工作范围：让客户感觉专属定制

00:44:37 销售服务而非产品：尤其针对流程不成熟的市场

00:46:41 服务收入的价值：显示意图、获取Logo、教育市场

00:48:47 40-50%的B2B SaaS公司需要服务先行

00:51:08 销售节奏：第一次通话不急于产品演示，放慢节奏

搞定采购部门

00:52:46 应对采购部门：简化信息、突出差异化、代劳工作

00:55:01 明确产品边界：避免复杂合同

00:55:33 拆分合同：技术合同与服务合同

00:56:54 企业销售的指数级回报：站稳脚跟，获取情报

00:58:40 不同市场规模的销售策略：企业级、中小企业、中端市场

签约与后续

01:00:37 识别最终签字人：提前准备沟通要点

01:02:34 财务与采购：未签字不启动工作

01:03:18 折扣策略：有理由地折扣，而非为促成交易

01:04:25 庆祝签约：达成里程碑

销售周期与价值

01:04:46 企业销售周期：影响因素与时间线（6-12个月）

01:06:35 理解价值：不要和自己谈判

01:07:33 早期企业销售的理想年度合同价值（ACV）：5万-20万美元

01:08:26 市场选择：根据创始人偏好和产品特性决定

创始人常见挑战与心态

01:10:13 市场选择：中小企业还是企业客户？

01:11:31 客户响应缓慢的原因：价值阐述不足、问题不明确、礼貌性敷衍

01:12:42 销售最大陷阱：客户资质筛选不合格

01:13:28 销售心态：充满热情，建立信任

01:14:30 克服销售心理障碍：相信产品，解决真问题

Jen Abel & Jellyfish

01:16:18 Jellyfish的服务：帮助创始人突破100万美元ARR

01:16:58 Jellyfish的工作方式：嵌入团队，推动执行

01:17:47 呼吁听众：互相帮助，薪火相传

🌐 播客信息补充

本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的

使用 AI 进行翻译，因此可能会有一些地方不通顺；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介

本期节目我们克隆了知名播客《Lenny's Podcast》的精彩内容，主持人Lenny Rachitsky邀请到Gamma的首席执行官兼联合创始人Grant Lee，为我们揭秘这家AI驱动的演示文稿和网站设计工具如何在短短两年多时间里，实现年度经常性收入突破一亿美元、估值超过二十亿美元的惊人成就。更令人称奇的是，Gamma在早期融资甚少、团队规模仅约三十人的情况下，服务着全球五千多万用户，并且实现了盈利性增长。要知道，在创业之初，曾有投资人直接告诉Grant，这是他听过最糟糕的想法。

Grant在节目中慷慨分享了Gamma如何找到产品市场契合度的反直觉经验，以及一系列独特的增长策略。他详细阐述了如何通过“创始人主导的营销”和“口碑机器”来驱动增长，特别是他们如何利用数千名微型网红，通过亲自培训和开放品牌资产，将网红营销变成口碑传播的强大放大器。你还会听到他们如何在产品发布前，通过“早上有想法，下午出原型，晚上得反馈”的快速迭代循环，用Voicepanel等工具与真实用户测试每一个新功能，避免走弯路。此外，Grant还深入探讨了如何打造一家成功的“GPT封装”公司，强调深入理解用户工作流程、运用二十多种不同模型进行编排的重要性，以及他们独特的“慢速招聘”和“球员兼教练”团队管理哲学。这期节目不仅充满启发性，更提供了大量实用的战术建议，是所有AI创业者和产品经理不容错过的一课。

翻译克隆自：“Dumbest idea I’ve heard” to $100M ARR: Inside the rise of Gamma | Grant Lee (CEO)

👨‍⚕️ 本期嘉宾

Grant Lee，AI演示文稿和网站设计工具Gamma的首席执行官兼联合创始人。

⏱️ 时间戳

00:00:00 开场与播客简介

创业的挑战与机遇

00:02:29 曾被投资人嘲讽为“最烂想法”的创业故事

00:06:20 Gamma的诞生：解决演示文稿痛点的初心

00:21:02 AI如何赋能Gamma：从愿景到现实的加速器

产品市场契合度与增长飞轮

00:09:36 寻找与确认产品市场契合度：从Product Hunt发布到自然增长爆发

00:12:35 打造“口碑机器”：自然增长与病毒式传播的秘密

00:16:54 上手体验（Onboarding）的重要性：“前三十秒”的魔力

00:22:24 从零到一亿ARR：Gamma的增长历程

00:23:28 早期用户获取：Product Hunt与Paul Graham评论引发的病毒式传播

00:36:18 品牌重塑的价值：从占位符到可扩展的品牌基因

创始人主导的营销与网红策略

00:25:47 创始人主导营销：亲身参与与内容创作的重要性

00:28:46 创始人如何平衡忙碌与内容创作：从小处着手，积累素材

00:31:19 领英与推特的差异化内容策略

00:36:18 网红营销：从手动接洽到规模化微型网红合作

00:41:09 网红营销的误区：避免头部大V，聚焦“回声室”

00:46:07 网红营销的增长放大效应：口碑传播的催化剂

00:48:10 病毒式传播并非偶然：开放品牌资产，消除合作摩擦

00:51:52 平台选择：领英的高转化率与测试迭代的重要性

00:53:00 品牌与效果营销的协同：投资品牌以强化效果营销

产品开发与实验文化

00:59:10 产品发布前与用户分享原型：快速迭代与避免弯路

01:01:11 规模化用户测试：Voicepanel与UserTesting的实践

01:05:24 实验性思维：强观点，乐于改变

01:06:16 A/B测试的早期实践：虚拟办公室与演示工具的抉择

GPT封装公司的成功之道

01:10:10 盈利性增长：小而精干团队与高效运营

01:12:10 GPT封装公司的护城河：深入用户工作流程与多模型编排

01:14:22 成功要素：关心问题、深度理解、技术应用

01:17:03 多模型编排的必要性：针对不同任务选择最佳模型

01:20:02 特定模型的发现：Perplexity在创建大纲方面的优势

定价策略与盈利

01:20:26 定价的偶然性：用户需求驱动的收费

01:21:17 定价方法：Van Westendorp测试与联合分析

01:22:12 盈利性增长的基石：确保定价能覆盖成本并再投资

招聘哲学与团队建设

01:25:45 极其缓慢地招聘：保持精干与高标准

01:26:27 人均收入与团队DNA：复制价值观与愿景

01:28:42 招聘通才：扁平化组织与多角色能力

01:30:21 球员兼教练模式：管理者仍需做具体工作

01:33:58 对杰出人才下重注：提供更多机会与资源

01:34:47 创始人特质：传教士而非雇佣兵

闪电问答

01:37:15 推荐书籍：《鞋狗》、《七大力量》

01:38:33 最近喜欢的影视剧：《拉撒路计划》

01:38:46 最喜欢的产品：Voicepanel

01:39:15 人生格言：“井底之蛙”

01:40:39 演示技巧：一次只讲一个想法，少即是多

🌟 精彩内容

💡 **从“最烂想法”到1亿美元ARR的逆袭**

Gamma的创始人Grant Lee分享了创业初期被投资人嘲讽为“最糟糕的想法”，到如今实现1亿美元年度经常性收入的传奇历程。他强调，即使面对巨大质疑，只要对解决的问题充满热情，并坚持不懈地寻找产品市场契合度，就能创造奇迹。

“这绝对是我听过的最差的路演、最烂的想法。你不仅在挑战行业巨头，而且这些巨头还有庞大的分发渠道。你绝对不可能成功。”

🚀 **打造“口碑机器”：自然增长的秘密**

Grant揭示了Gamma增长的核心在于建立一台“口碑机器”。通过在Product Hunt发布、重构新用户上手体验（在“前三十秒”内创造“神奇时刻”）以及一条引发Paul Graham评论的争议性推文，Gamma实现了强大的自然增长。他建议所有创业者将心态转变为创造口碑，让产品本身就能驱动用户分享。

“我的一个建议

📝 本期播客简介

本期我们克隆了知名播客《Dwarkesh Patel Podcast》的重磅对话，由主持人Dwarkesh Patel与微软首席执行官萨提亚·纳德拉展开。萨提亚作为全球科技巨头的掌舵者，对A I时代的到来有着深刻而独到的见解。他将AI视为工业革命后最重大的变革，但强调目前仍处于早期阶段。对话深入探讨了微软如何从一家软件公司转型为资本与知识密集型工业企业，投资建设全球最强大的数据中心，并强调基础设施的“通用性”以支持多元A I模型。萨提亚还提出了一个引人深思的观点：模型公司可能面临“赢家的诅咒”，而真正价值将流向提供“脚手架”的平台。他详细阐述了微软在AI模型领域的双轨战略——既充分利用OpenAI的技术，也积极发展自研MAI模型。此外，萨提亚还分享了对未来AI智能体自主工作、市场竞争格局以及“主权AI”等地缘政治影响的看法，展现了微软在AI时代如何平衡创新、投入与全球化布局的宏大愿景。这不仅是一次对微软战略的深度剖析，更是对AI未来走向的权威洞察。

翻译克隆自：Satya Nadella – How Microsoft thinks about AGI

👨‍⚕️ 本期嘉宾

Satya Nadella，微软公司首席执行官。他带领微软从一家传统软件公司成功转型为云计算和人工智能领域的领导者，以其对技术趋势的深刻洞察和卓越的战略执行力而闻名。

⏱️ 时间戳

AI时代的宏大愿景与早期阶段

02:08 AI：工业革命后最重大变革，但仍处于早期

06:34 AI的本质：认知放大器与守护天使

07:55 AI驱动的经济增长：工业革命的200年进程或将压缩至20年

微软的AI基础设施与战略

03:02 参观全球最强数据中心：微软从软件到工业企业的转型

05:28 AI技术转型速度：前所未有的资本投入与速度

20:00 模型与“脚手架”之争：价值将流向何方？

22:43 微软的AI模型双轨战略：OpenAI与自研MAI模型

26:30 AI智能体与基础设施：未来将是支持智能体工作的业务

28:59 “按智能体付费”：AI时代的新商业模式思考

33:49 MAI模型现状与未来：成本优化与前沿研究

39:34 通用基础设施：支持多模型以应对“赢家诅咒”

44:13 数据中心扩张策略：通用性、地理位置与摩尔定律

56:53 租赁外部容量：灵活满足需求，整合生态

57:58 自研芯片：与MAI模型形成闭环，提升效率

01:01:27 OpenAI独家协议：Azure独占无状态API调用

AI时代的商业模式与竞争

10:00 微软的商业模式转型：高销货成本与市场扩张

13:27 AI编程助手竞争：GitHub作为平台的核心价值

01:04:41 微软的工业化转型：资本与知识密集型企业

01:06:34 AI研发投入：研究计算作为研发费用

AI的全球化与主权挑战

01:09:17 主权AI：全球化背景下的信任与地缘政治考量

01:12:57 主权AI的未来：开源、多模型与韧性

🌟 精彩内容

💡 AI时代的“赢家诅咒”与“脚手架”价值

萨提亚·纳德拉提出，模型公司可能面临“赢家的诅咒”，即投入巨大创新后，模型可能因复制而商品化。他认为，真正的价值将流向提供“脚手架”（平台、工具、基础设施）的公司，因为它们能处理模型的缺陷、管理数据流动性，并垂直整合到模型层面。

“如果你是一家模型公司，可能会遭遇‘赢家的诅咒’，你做了所有艰苦的工作和难以置信的创新，结果却可能因为别人一复制就被商品化了。”

🛠️ 微软从软件公司到资本与知识密集型工业企业

微软正在经历一次深刻转型，从一家传统的软件公司，变为一个兼具资本密集型和知识密集型特征的工业企业。这体现在其对全球最强大数据中心的巨大投资，以及通过软件优化来提升资本支出的投资回报率。

“感觉就像，我明明是开软件公司的，结果欢迎来到我的软件公司。”

“我们现在既是一个资本密集型企业，也是一个知识密集型企业。实际上，我们必须用我们的知识来提高资本支出的投资回报率。”

🚀 AI智能体驱动的未来基础设施

萨提亚展望未来，认为公司将直接为AI智能体配置计算资源，这些智能体将完全自主工作。微软的业务将从终端用户工具，转变为支持智能体工作的“基础设施”业务，提供存储、安全、身份管理等核心服务。

“我们今天的业务，也就是终端用户工具业务，未来会变成一个支持智能体工作的基础设施业务。”

🌍 全球化与“主权AI”的挑战

面对全球地缘政治的变化，萨提亚强调美国科技行业和政府需要共同努力，在全球范围内建立对美国技术栈的信任。微软通过在各地建设数据中心、提供主权云服务、满足数据驻留要求等方式，积极应对各国对“主权AI”的需求。

“我希望美国政府能把美国公司在世界各地的外国直接投资归功于自己……美国最应该做的、但却最少被谈论的营销是，这些最领先的行业，这些 A I 工厂，正在世界各地由谁创建？由美国，由美国公司创建。”

🌐 播客信息补充

本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的

使用 AI 进行翻译，因此可能会有一些地方不通顺；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介

本期我们克隆了知名播客《Founders》的精彩内容，深入探讨了英伟达（NVIDIA）创始人兼CEO黄仁勋（Jensen Huang）的独特管理哲学。主持人David通过重读《英伟达之道》一书，为我们精炼出黄仁勋如何工作、如何领导公司的核心理念。您将听到黄仁勋如何像一位“教授”般教导团队，坚持用白板进行严谨而透明的沟通；他为何坚信“自满是致命的”，并不断推动公司自我革新。我们还会了解到他扁平化的组织结构，以及他如何通过“五要事”邮件和公开批评来确保信息畅通、全员学习。黄仁勋以其“光速”般的工作效率和对卓越的极致追求，将痛苦和磨难视为塑造品格的超能力。他不仅要求员工全力以赴，更以身作则，展现出对工作近乎痴迷的投入。从“使命即老板”的理念到“战略是行动”的实践，再到他如何通过“整头牛都卖掉”的策略和对人工智能的长期押注，创造并主导市场，而非仅仅争夺份额。这期节目将带您领略一位科技巨头创始人非凡的领导智慧和坚韧不拔的精神，理解英伟达从零到万亿美元市值的成功奥秘。

翻译克隆自：How Jensen Works

👨‍⚕️ 本期嘉宾

黄仁勋（Jensen Huang），NVIDIA（英伟达）联合创始人兼首席执行官。他是一位富有远见的领导者，以其独特的管理哲学、极致的工作投入和长期的战略眼光而闻名，带领英伟达从一家初创公司成长为全球科技巨头。

⏱️ 时间戳

00:00 开场 & 播客简介

00:00 跨国串门计划介绍与本期内容概述

黄仁勋的管理哲学

02:02 教授式领导：Jensen的教学与沟通艺术

03:40 白板文化：严谨、透明与持续革新

04:34 警惕自满：Jensen对公司最大威胁的认知

10:45 扁平化组织：60个直接下属与高效决策

14:40 公开批评：以错误为鉴，塑造公司品格

18:12 在痛苦中淬炼：韧性与磨难是超能力

21:58 光速工作法：追求物理极限的工作效率

23:39 极致的工作狂：对工作近乎痴迷的投入

27:00 “五要事”邮件：获取未经过滤信息的渠道

30:21 简洁沟通：直率、精炼的沟通风格

31:48 LUA：直击要害，高效对话

32:30 使命驱动：使命即老板，项目有总指挥

33:19 战略即行动：没有五年计划，只有持续规划

35:49 “整头牛都卖掉”：应对创新者窘境的策略

36:36 向所有人学习：永不停止的学习机器

38:56 细节狂人：对公司细节的深度参与

39:45 创造市场：不争份额，只做独一无二

41:16 “黄金噎死你”：用慷慨股票吸引顶尖人才

42:08 优先处理要事：无情的时间管理与专注

43:53 蜂拥而上，抓住机遇：20年押注AI的远见

51:37 结语：成功没有捷径，逆境是最好的老师

播客信息补充

本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的

使用 AI 进行翻译，因此可能会有一些地方不通顺；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介

本期我们克隆了来自美国知名风投机构 First Mark 的《MAD 播客》，主持人 Matt Turck 邀请到欧洲著名风投 Air Street Capital 的创始人 Nathan Benaich，深入解读他每年发布的《AI 现状报告 2025》这份长达三百多页的行业必读宝典。对于不熟悉海外风投圈的听众来说，Matt 和 Nathan 都是全球 AI 投资领域的重量级人物，他们的报告和洞见代表着行业最前沿的思考。本期节目亮点纷呈，Nathan 将揭示 2025 年为何是 AI 的“推理之年”，以及机器人技术如何从“死胡同”走向“寒武纪大爆发”。在商业层面，他用详实数据证明 AI 商业化已超预期，企业支出和留存率飙升，但同时也剖析了利润率争议和“AI 泡沫”的复杂性。我们还将探讨 AI 基础设施面临的电力、水资源瓶颈，英伟达在芯片领域的绝对霸主地位，以及中国芯片生态的崛起。Nathan 更会分享他对“主权 AI”的独到见解，以及 AI 领域在安全、知识产权和监管方面的最新动态。最后，他将大胆预测未来一年 AI 领域的关键趋势，包括“邻避主义”对数据中心建设的影响，AI 在科学发现中的突破，以及哪些软件行业将因 AI 而“安然无恙”。这期节目不仅是 AI 领域的深度导航，更是对未来趋势的精准把握，不容错过。

翻译克隆自：State of AI 2025 with Nathan Benaich: Power Deals, Reasoning Breakthroughs, Real Revenue

👨‍⚕️ 本期嘉宾

Nathan Benaich，欧洲著名风投 Air Street Capital 的创始人，每年发布《AI 现状报告》，是全球 AI 投资领域的重量级人物。

⏱️ 时间戳

00:00 开场 & 播客简介

AI研究与技术突破

02:15 嘉宾介绍与报告概览

03:58 推理能力：AI在数学和科学领域的突破

05:23 机器人技术：从“死胡同”到“寒武纪大爆发”

05:36 行动链：推理模型规划，执行器操作

06:27 工业机器人已成熟，人形机器人仍面临挑战

AI商业化与市场洞察

07:42 AI商业化：收入与增长超预期

08:58 企业AI支出与留存率飙升

09:11 44%美国企业已为AI工具付费

09:22 个人与企业AI使用现状及挑战

10:11 “影子AI”与认知鸿沟

11:19 利润率争议：模型定价与垂直应用困境

13:09 “AI泡沫”：局部存在，但技术可行

14:20 巨额投资与金融工程风险

15:27 投资者视角：公开市场AI投资选择有限

16:42 “老一辈”与“新生代”对AI路径的看法

17:23 AI工具解决新问题的巨大空间

基础设施与地缘政治

18:06 电力瓶颈：AI数据中心的高昂成本与能源来源

18:42 能源采购：核能、燃气轮机与地缘政治

20:17 水资源挑战：干旱地区的数据中心冷却

20:51 可持续性与“邻避主义”

21:35 英伟达：持续主导AI芯片市场

22:45 博通崛起：定制芯片与Transformer架构稳定

23:57 投资英伟达竞争对手的挑战

25:06 中国芯片生态：寒武纪与华为崛起

25:54 主权AI：国家掌控AI命运的尝试

27:21 开源模型在主权AI中的作用

28:05 Reflection AI：美国版中国模型

28:56 OpenAI拥抱开源与AMD合作的动机

30:10 AI经济的集中度与实验室文化转变

31:32 AI“垃圾内容”与价值创造

政策、安全与知识产权

32:54 监管现状：政策转向与法规滞后

34:10 AI安全：从“末日论”到具体能力担忧

35:19 AI安全投入与威胁的不平衡

35:50 数据权利与知识产权：Anthropic和解案

36:53 IP作为护城河与合成数据替代

37:29 网络安全：AI带来的新攻击向量与挑战

AI智能体与未来趋势

40:07 AI智能体：垂直领域应用与自主工作能力

41:00 误差累积与SaaS的智能体化

41:50 AI搜索与电商转化率提升

43:08 “智能体体验”：软件公司的新机会

43:45 投资理念：“AI优先”与价值创造

44:30 投资案例：生物科技、国防、机器人与语音技术

46:00 生成式世界模型与科学发现

未来一年AI趋势预测

46:53 预测1：AI计算的政治化与“邻避主义”

47:29 预测2：AI独立完成科学发现

48:14 预测3：AI从业者不愿涉足的“无聊”软件领域将安然无恙

48:28 预测4：部分国家将宣布“AI中立”

50:02 结束语

🌟 精彩内容

💡 AI推理与机器人技术的“寒武纪大爆发”

Nathan Benaich 指出，AI在数学奥林匹克竞赛中取得金牌，比专家预测提前十年，显示其推理能力惊人。同时，机器人技术正经历“寒武纪大爆发”，语言模型正启发机器人技术，从规划到执行，已在工业领域成熟应用，预示着机器人时代的加速到来。

“我们看到好几个实验室，包括OpenAI和DeepMind，都在国际数学奥林匹克竞赛中拿到了金牌。要是你再问专家们，他们之前可能会觉得这得花上十年时间才能实现。”

“现在，机器人技术可能正在经历一场‘寒武纪大爆发’，热度非常高。就像语言模型给生物学带来了启发一样，现在语言模型也在启发机器人技术。”

📝 本期播客简介

本期《跨国串门计划》克隆了意大利科技周上，杰夫·贝佐斯和约翰·埃尔坎进行了一场引人入胜的炉边谈话

主持人John Elkann与亚马逊和蓝色起源的创始人Jeff Bezos展开了一场精彩对谈。Bezos分享了他对创业精神的独到见解，强调创业者需要“近乎妄想的乐观”，并建议年轻人在创业前先在大公司积累经验。他深入探讨了在大公司内部保持创业精神的可能性，以及如何平衡发明与高效执行。一个感人至深的时刻是Bezos回忆起外公教导他的“善良比聪明更难”的深刻一课，并以此引申出技术应用中“善良”的重要性。他们还讨论了长远思考在商业和个人生活中的价值，以及如何将工作与生活视为和谐而非平衡。面对当前的人工智能热潮，Bezos将它与互联网泡沫时期进行对比，指出AI是真实存在的“横向赋能层”，将改变每一个行业，并提出“产业泡沫”可能带来的积极社会效益。最后，Bezos展望了未来，包括蓝色起源在太空探索上的突破，太空数据中心的潜力，以及人类在太空生活的愿景。他坚信，即使在AI主导的世界里，人类的生活依然充满意义。这段对话不仅是两位商业巨擘的思想碰撞，更是一堂关于创新、智慧与人性的启发课程。

翻译克隆自：FULL EVENT: Jeff Bezos & John Elkann Talk Tech Future, AI, and Space at Italian Tech Week | AQ1B

👨‍⚕️ 本期嘉宾

Jeff Bezos：亚马逊和蓝色起源的创始人。

John Elkann：法拉利、Stellantis等知名企业的掌舵者。

🌟 精彩内容

💡 创业者的“妄想乐观”与时机

Jeff Bezos强调，创业者需要“近乎妄想的乐观”，并指出当前世界快速变化，正是小而灵活的初创公司蓬勃发展的最佳时机。他认为，欧洲拥有成为充满活力的经济体所需的一切要素，关键在于“我能行”的态度。

“我们做这些事，不是因为它们轻而易举，而是因为我们当初以为它们会很简单。”

❤️ “善良比聪明更难”的深刻教诲

Jeff Bezos回忆起外公在他十岁时给予的深刻教诲：“Jeff，总有一天你会明白，善良比聪明更难。”他将此引申到技术应用中，认为技术本身是聪明的工具，但在应用时选择善良至关重要，它关乎如何用技术和聪明才智服务他人。

“你需要聪明才能创造技术，但你可以在应用技术时选择善良。”

🚀 长远思考：愿景执着，细节灵活

Bezos指出，长远思考是应对不确定性的关键，它迫使你聚焦于不变的客户需求。他强调“对愿景执着，对细节灵活”，因为世界瞬息万变，你需要不断调整实现愿景的细节。

“我宁愿损失一笔销售，也不愿失去一个客户。”

🤖 AI：真正的“横向赋能层”

面对AI热潮，Jeff Bezos将其与互联网泡沫进行对比，认为AI是真实存在的“横向赋能层”，将改变每一个行业，而不仅仅是AI优先的公司。他指出“产业泡沫”虽有投资风险，但能为社会带来巨大的技术进步和福祉。

“AI是真实存在的，它将改变每一个行业。”

🌌 太空探索与人类未来

Bezos详细介绍了蓝色起源在太空探索上的进展，包括新格伦火箭、月球着陆器以及利用月球资源的技术。他展望未来，认为太空将出现吉瓦级数据中心，甚至在几十年内将有数百万人生活在太空中，坚信即使在AI主导的世界里，人类生活依然充满意义。

“我们所有人都很幸运，这个房间里的每一个人，我们都幸运地生活在一个有多个黄金时代同时发生的时刻。”

🌐 播客信息补充

本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的

使用 AI 进行翻译，因此可能会有一些地方不通顺；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

本期播客使用巴菲特的声纹，制作朗读了2025年11月10日感恩节致辞

翻译版本采用 苔藓花园 翻译的版本 见微信公众号

📝 本期播客简介

本期我们克隆了硅谷知名产品和增长专家Lenny Rachitsky的播客《Lenny's Podcast》，邀请到销售策略大师Jen Abel。Jen是Jellyfish的联合创始人，也是State Affairs的企业业务总经理，她专注于帮助早期创业公司构建和扩展销售体系。这已经是她第二次做客Lenny的播客，这次她将深入探讨如何将年收入从一百万美元提升到一千万美元，尤其是在复杂的企业级销售领域。Jen Abel提出了许多反直觉却极其实用的销售策略，例如，她建议创业公司应更早地瞄准像沃尔玛、英伟达这样的顶级大客户，因为这些一线品牌往往是真正的早期采用者，他们渴望保持领先地位，并能为你的产品提供宝贵的验证和影响力。她强调，向领导者销售时，不应只解决“问题”，而要描绘“愿景”，销售“机会”和“alpha”，让客户感受到成为“超级英雄”的潜力。Jen还指出，所谓的“中端市场”并不真正存在，企业要么走营销驱动的小企业路线，要么走销售主导的大企业路线。对于企业级销售，她建议初始合同价值应瞄准7.5万到15万美元，避免低价入场导致后续扩张困难。她还分享了将产品包装成服务销售的策略，以及如何招聘那些能像创始人一样销售愿景、富有创造力的销售人才。这期节目将为所有致力于企业级销售的创始人提供极具战术性和深度洞察的指南。

翻译克隆自："Sell the alpha, not the feature": The enterprise sales playbook for $1M to $10M ARR | Jen Abel

文字版精华

👨‍⚕️ 本期嘉宾

Jen Abel，Jellyfish的联合创始人，State Affairs的企业业务总经理。她是一位经验丰富的销售策略大师，专注于帮助早期创业公司构建和扩展销售体系，尤其擅长企业级销售。

⏱️ 时间戳

00:00 播客简介与嘉宾介绍

00:00 欢迎收听与本期播客内容概述

02:19 Jen Abel的销售理念与Lenny的引言

04:55 本期播客主题：从100万到1000万美元年收入的企业销售策略

06:19 市场细分与客户选择

06:19 “中端市场”不存在：只有小企业（营销驱动）或大企业（销售主导）

08:45 反直觉策略：尽早瞄准顶级大客户（一线品牌）

11:10 如何向大客户销售：描绘愿景，销售“机会”和“alpha”

15:31 定价与合同价值

15:31 避免早期打折：高价值合同筛选优质客户

18:05 低价入场的危险：虚假成功感与后续扩张困难

21:18 初始合同价值应瞄准7.5万-15万美元

25:01 设计合作伙伴与产品开发

25:01 如何选择和管理设计合作伙伴

30:25 创始人需坚持愿景，过滤反馈

32:36 市场策略与AI影响

32:36 AI时代市场细分的演变

33:30 如何选择市场：基于创始人优势

34:26 OpenAI与Anthropic的B2B策略对比

37:01 企业销售的艺术与服务化产品

37:01 企业销售是“交易设计”的艺术

39:32 将产品包装成服务销售：进入大客户市场的有效途径

41:57 Palantir的“前置部署工程师”模式

43:44 核心建议总结

43:44 总结：早日争取一线品牌，瞄准高合同价值，销售愿景

50:00 销售团队的构建

50:00 从100万到1000万美元：需要优秀的企业级销售人才

51:15 如何招聘第一个企业销售人员：寻找“创始人型”人才

55:14 销售人员的激励机制与薪酬结构

56:59 何时雇佣第一个销售人员：约100万美元ARR时

58:16 销售技巧与心态

58:16 如何在噪音中脱颖而出：愿景驱动的短邮件

1:00:01 自然流入与主动外联的平衡

1:01:28 敢于提问：直面客户，建立信任

1:03:11 共同设计定价与处理异议

1:05:52 销售心态：从拒绝中学习，保持差异化

1:06:55 闪电问答与总结

1:06:55 推荐的Twitter账号与媒体

1:09:46 人生格言与销售导师

1:11:16 Jen Abel的联系方式与Jellyfish/State Affairs介绍

🌟 精彩内容

💡 “中端市场”的真相

Jen Abel 挑战了普遍存在的“中端市场”概念，她认为企业要么是营销驱动的小企业，要么是销售主导的大企业，两者打法截然不同。她建议创始人根据自身优势选择赛道，避免模糊的中间地带。

“如果你把它们划分到这两个非常明确的类别里，就更容易理解你到底在玩哪种游戏。”

🚀 瞄准顶级客户，销售“Alpha”

Jen 提出反直觉的建议：早期创业公司应直接瞄准像沃尔玛、英伟达这样的顶级品牌。这些“一线品牌”是真正的早期采用者，他们渴望保持领先地位，愿意尝试新事物。向他们销售时，不应只解决具体“问题”，而要描绘“愿景”，销售“机会”和“alpha”（即独家信息或领先优势），让他们感受到成为“超级英雄”的潜力。

“最有分量的那些品牌，才是最愿意给你机会、最想帮助你的。”

💰 高合同价值的策略

创始人常常倾向于低价或小额订单，但 Jen 强调，这可能导致虚假的成功感，并锚定低价，使后续扩张变得异常困难。她建议企业级销售的初始合同价值应瞄准 7.5 万到 15 万美元，因为这是大企业习惯的采购区间，也能确保客户的投入和重视。

“最好的客户是不会这么对你的。如果对方还在那儿跟你斤斤计较，那就说明他们根本没完全信服你卖的东西。”

🛠️ 将产品“服务化”

Jen 提出了一个独特的策略：将产品包装成服务销售。大企业更熟悉购买服务（如咨询），这能帮助创业公司快速打入市场，建立信任。一旦进入，再逐步引导客户转向由技术驱动的产品，实现规模化。这是一种“做那些无法规模化的事”的具体体现。

“把你的产品包装成服务卖给他们，哪怕背后是由技术驱动的，这是打入市场的最快方式。”

👥 招聘“创

📝 本期播客简介

本期我们克隆了备受推崇的《The Naval Podcast》，由 AngelList 联合创始人、著名科技投资人 Naval Ravikant，携手他的长期合作伙伴 Nivi，深度解读 Naval 那条引发全球热议的“如何不靠运气致富”推文风暴。Naval 以其独到的见解，剖析了财富、金钱与社会地位的本质差异，揭示了四种不同类型的运气，并强调了股权、责任和杠杆在财富创造中的核心作用。他详细阐述了如何通过“复制没有边际成本的产品”（如代码和媒体）来获得巨大杠杆，以及特定知识、责任感和卓越判断力的重要性。节目中，Naval 鼓励听众跳出“出租时间”的陷阱，专注于终身学习，对行动保持不耐烦，对结果保持耐心，最终实现“产品化自己”，从而在长期游戏中赢得自由与富足。这是一场关于智慧、策略和人生哲学的对话，旨在帮助你在现代世界中，以更清醒的认知和更有效的路径，创造属于自己的财富和自由人生。

翻译克隆自：How to Get Rich

👨‍⚕️ 本期嘉宾

Naval Ravikant，AngelList 联合创始人，硅谷传奇投资人，曾投资过 Twitter, Uber 等上百家公司。他也是一位深受尊敬的思想家，其关于财富、幸福和人生的思考，通过博客和推特影响了全球数百万人。本期播客内容主要源于他“如何不靠运气致富”的推文风暴。

Nivi，Naval 的长期合作伙伴，AngelList 联合创始人。

⏱️ 时间戳

00:00 开场 & 播客简介

财富的基本原则

02:59 财富、金钱与地位：你真正想要的是什么？

05:10 财富是正和游戏，地位是零和游戏

07:54 人人皆可致富：财富是创造出来的，不是偷来的

运气的四种类型

14:03 如何在1000个平行宇宙中的999个里致富

14:43 四种运气：从纯粹偶然到主动创造

15:24 最高级的运气：塑造你的品格，让它成为你的命运

致富的行动纲领

22:48 “有所不为”：跳出“出租时间”和“生活方式升级”的陷阱

28:54 “有所为”：给予社会它想要但还不知道如何获得的东西

31:25 互联网的魔力：让任何小众痴迷都能规模化

34:35 摆脱竞争的终极秘诀：做真实的自己

长期游戏与伙伴选择

35:21 人生所有回报都来自复利：玩长期游戏的重要性

40:26 伙伴选择的三大标准：高智商、高能量、高诚信

45:09 理性乐观主义：远离愤世嫉俗者，他们的信念会自我实现

致富的四大支柱

50:26 支柱一：专长（Specific Knowledge）— 无法被教会，只能被发现的知识

01:00:15 “创造”与“销售”：势不可挡的技能组合

01:05:23 终身学习：读你所爱，直到你爱上阅读

01:16:14 支柱二：责任（Accountability）— 以你的名义承担风险

01:24:15 支柱三：杠杆（Leverage）— 代码和媒体是这个时代最强大的力量

01:46:28 支柱四：判断力（Judgment）— 杠杆是你判断力的倍增器

终极心法与总结

01:52:13 时间哲学：为自己设定一个极高的时薪

01:59:10 对行动不耐烦，对结果有耐心

02:04:12 不断重新定义你做的事，直到你成为世界第一

02:19:22 财富的终点：平静的头脑、健康的身体、充满爱的家

02:27:03 总结：产品化自己（Productize Yourself）

02:28:41 问答与补充：深入核心概念

🌟 精彩内容

💡 财富 vs. 地位：玩正和游戏，而不是零和游戏

Naval 深刻剖析了人们追求的三样东西。财富是能让你睡觉时也帮你赚钱的资产，它是一个正和游戏，可以被无限创造。而地位则是你在社会等级中的排名，是一个此消彼长的零和游戏。玩地位游戏会让你变得愤怒和好斗。要想真正获得自由，你应该专注于创造财富。

“财富是一个非常正和的游戏。我们一起创造事物……而地位，它就是个零和游戏。”

🛠️ 第四种运气：让运气主动找到你

Naval 介绍了四种运气，最高级的一种是你能够主动创造的。通过塑造自己独特的品格、品牌和思维模式，你会把自己置于一个独特的位置，当某种机会出现时，它会主动来找你，因为你是唯一能抓住它的人。这已不再是运气，而是你的命运。

“你以某种方式塑造你的品格，然后你的品格就成了你的命运。”

🚀 无需许可的杠杆：代码与媒体的力量

Naval 强调，现代社会最新的、也是最强大的杠杆形式是“复制没有边际成本的产品”，即代码和媒体。与需要他人许可的人力杠杆和资本杠杆不同，任何人都可以通过写作、编程、录制播客来创造价值并触达全球用户。这是新一代财富的核心来源。

“所有的新亿万富翁，上一代的财富是通过资本创造的……但新一代的财富都是通过代码或媒体创造的。”

🧠 专长：无法被教授的独特知识

真正的财富来源于你的“专长”（Specific Knowledge）——一种无法通过上课或培训获得的知识，它源于你天生的好奇心、热情和独特的个人经历。找到你的专长，并将其规模化，是致富的关键。

“如果一项技能是可以通过培训获得的……那么你的回报最终就归结为你的培训成本加上那笔培训的投资回报。所以你真正想要的是掌握专长。”

 authentically to escape competition

💡 摆脱竞争的终极秘诀：做真实的自己

Naval 认为，竞争的本质是模仿。当你试图成为别人时，你就在和全世界竞争。而摆脱竞争的最好方法，就是做最真实的自己，并围绕此来构建你的事业。没有人能在“做你自己”这件事上与你竞争。

“通过做真实的自己来摆脱竞争……没有人能在‘做你自己’这件事上与你竞争。就这么简单。”

🎯 终极心法：产品化自己（Productize Yourself）

这是 Naval 整个财富哲学的终极浓缩。它意味着将你独特的“自己”（专长、责任感、真实性）与“产品化”（利用杠杆，如代码和媒体，进行规模化）相结合。赚钱不是一种你学习的技能，而是你本质的规模化体现。

“赚钱甚至不是你做的事情。它不是一种技能。它是你的本质，被复制了一百万次。”

🌐 播客信息补充

本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的

使

📝 本期播客简介

本期我们克隆了知名播客 David Perell's Podcast 的精彩内容，邀请到故事领域的科学家、畅销书《故事的科学》作者 Will Storr。Will Storr 颠覆了传统对故事的理解，他认为大多数人只关注情节，比如“英雄之旅”，却忽略了真正让故事伟大的核心——角色。他提出“掌控理论”，认为每个角色都有一套关于如何掌控世界的有缺陷信念，这套信念驱动着他们的行为。从《圣诞颂歌》中守财奴史高哲的“只有当我把所有钱和爱都留给自己，我才是安全的”，到《当哈利遇上莎莉》中哈利关于“男女之间不存在纯粹友谊”的断言，Will Storr 揭示了这些核心信念如何被故事挑战、打破，最终塑造出深刻而复杂的角色。 他分享了独特的五幕故事结构，以角色内在的转变而非单纯的情节冲突为核心，展现了从“这就是我，但这套行不通了”到“我已然转变”的深刻历程。Will Storr 还探讨了故事与人类生存、连接和地位三大基本驱动力的关系，以及如何通过增加信息密度来营造悬念。他强调，无论是个人心理健康、商业策略还是政治领导力，故事都是连接人心、理解世界、推动合作的根本力量。这期节目不仅是写作指南，更是理解人性和社会运作的透彻分析，将彻底改变你对故事和人生的看法。

翻译克隆自：Learn Storytelling in 72 Minutes — Will Storr

👨‍⚕️ 本期嘉宾

Will Storr，故事领域的科学家、畅销书《故事的科学》作者。他写过七本书，颠覆了传统对故事的理解，认为故事的核心是角色而非情节。

⏱️ 时间戳

00:00 开场 & 播客简介

故事的本质与人类需求

01:59 人类为何需要故事：简化复杂，展望未来

02:47 讲故事的常见误区：重情节轻角色

04:06 塑造好角色：核心在于“掌控理论”

05:09 “掌控理论”案例分析：经典角色如何体现

角色塑造与故事结构

08:38 角色设计：从“掌控理论”出发

10:27 故事的起点：角色信念与现实的冲突

13:40 深度角色塑造：简单信念如何引出复杂人物

17:11 故事的驱动力：角色内在的“变化”与因果链

20:18 Will Storr 的五幕结构：以角色转变为核心

25:33 悲剧的定义：角色拒绝改变的后果

25:58 英雄之旅的局限性：超越传统框架

悬念、冲突与人性驱动

26:47 悬念的来源：挑战角色核心信念的事件

28:27 两种冲突模式：外部阻碍与内部空虚

29:54 营造悬念：希区柯克的“变化的威胁”

31:06 人类三大驱动力：生存、连接、地位与故事主题

33:38 驱动力与心理健康：分析个人焦虑来源

35:57 故事的节奏感：信息密度与时间感知

写作技巧与故事的力量

37:00 打造关键“时刻”：通过细节突出重要性

37:47 写作策略：规划与自发创作的平衡

39:33 学习大师：技艺是原创性的基石

41:18 文学与商业故事：角色转变的差异

43:17 故事模式的历史与演变

44:55 角色深层动机：意识与无意识的斗争

47:50 “起源创伤”：塑造角色背景的秘密

49:53 故事在商业、领导力、政治中的应用

53:59 《故事即交易》核心：障碍与目标的重要性

56:47 最大的障碍：角色自身的性格缺陷

🌟 精彩内容

💡 角色是故事的核心

Will Storr 颠覆性地提出，故事的伟大之处在于角色，而非传统上被过度强调的情节结构，如“英雄之旅”。他认为，每个角色都有一套关于如何掌控世界的“有缺陷的信念”，这套信念驱动着他们的行为，而故事的魅力就在于挑战、打破并最终塑造这些核心信念。

“我甚至认为，角色其实比情节重要得多——当然两者都不可或缺，但角色更重要。我认为，正是角色让那些精彩的故事真正变得非凡。”

🛠️ “掌控理论”：理解角色的钥匙

Will Storr 提出“掌控理论”，即每个角色脑中都有一套关于“我该如何掌控这个世界？”的理论。通过《圣诞颂歌》中的史高哲（“只有当我把所有的钱和爱都留给自己，我才是安全的”）和《当哈利遇上莎莉》中的哈利（“男人和女人不可能成为真正的朋友，因为性总会搅和进来”）等经典案例，他展示了如何从一个简单的信念出发，构建出复杂而深刻的角色。

“一个角色就是一套‘掌控理论’，也就是‘我该如何掌控这个世界？’。”

🚀 Will Storr 的五幕结构

Will Storr 分享了他以角色转变为核心的五幕故事结构：

1.  “这就是我，但这套行不通了。”

2.  “有没有别的办法？”

3.  “我已然转变。”

4.  “但我能承受改变的痛苦吗？”

5.  “这种改变是永久的吗？”

这个结构强调角色从旧信念到新信念的内在旅程，而非仅仅是外部事件的堆叠。

❤️ 生存、连接与地位：故事的人性基石

Will Storr 指出，人类的三大基本驱动力是生存、连接和地位。所有伟大的故事都围绕这三点展开，它们不仅是故事的主题，也是我们理解人性和社会运作的关键。他甚至建议，当感到焦虑或抑郁时，可以从这三个维度去分析问题所在。

“生存、连接和地位，是所有人类都想要的三样东西。它们是我们的三种基本驱动力。而生存、连接和地位，也同样是所有人类故事的主题。”

💡 故事在商业与政治中的力量

故事是连接人心、推动合作的根本力量。无论是亚马逊的“永远是第一天”理念，还是政治家的竞选承诺，一个清晰、引人入胜的故事都能凝聚人心，提供可预测性，甚至比单纯的事实和逻辑更具说服力。

“如果你想说服别人，你就需要用故事。事实其实不怎么管用，逻辑也不行。我们的进化并不是为了用算法、事实和统计数据来理解世界。我们是用故事来思考，我们相信故事。”

🌐 播客信息补充

本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的

使用 AI 进行翻译，因此可能会有一些地方不通顺；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介

本期节目汇聚了六位荣获2025年伊丽莎白女王工程奖的AI巨擘：深度学习三巨头Yoshua Bengio、Geoffrey Hinton、Yann LeCun，“ImageNet之母”Fei-Fei Li，英伟达创始人Jensen Huang，以及斯坦福大学教授Bill Dally。他们罕见地齐聚一堂，由《经济学人》资深编辑Madhumita Murgia主持，分享了各自职业生涯中塑造现代人工智能的“顿悟时刻”——从早期对神经网络的痴迷、克服“内存墙”到ImageNet的诞生，再到ChatGPT问世后的深远影响。对话深入探讨了当前AI热潮是否为泡沫，Jensen Huang将AI比作生产“智能代币”的工厂，而Yann LeCun则辩证指出当前范式无法直接通向人类水平智能。嘉宾们还对AI未来的发展方向、人类级智能的实现时间线给出了多元预测，并探讨了AI应如何增强而非取代人类。这不仅是一场技术前沿的深度剖析，更是一场关于AI伦理、社会影响和人类未来的深刻思辨。

翻译克隆自：The Minds of Modern AI: Jensen Huang, Geoffrey Hinton, Yann LeCun & the AI Vision of the Future

👨‍⚕️ 本期嘉宾

Jensen Huang，英伟达创始人兼CEO。

Yoshua Bengio，深度学习三巨头之一。

Geoffrey Hinton，深度学习三巨头之一。

Fei-Fei Li，斯坦福大学教授，“ImageNet之母”。

Yann LeCun，深度学习三巨头之一。

Bill Dally，斯坦福大学教授、芯片架构专家。

⏱️ 时间戳

00:00 开场 & 播客简介

AI先驱的“顿悟时刻”

04:04 Yoshua Bengio：从早期论文到ChatGPT后的伦理反思

04:54 Bill Dally：从“内存墙”到GPU计算的诞生

06:27 Geoffrey Hinton：1984年的微型语言模型预示未来

07:45 Jensen Huang：从芯片设计到深度学习的规模化洞察

10:29 Fei-Fei Li：ImageNet的诞生与“以人为本AI”的理念

13:18 Yann LeCun：对训练机器的痴迷与自监督学习的探索

AI热潮：泡沫还是新范式？

17:07 泡沫之辩：AI热潮与互联网泡沫有何不同？

18:13 Jensen Huang：AI是生产“智能代币”的工厂，我们正处在智能大建设的初期

22:18 Yoshua Bengio：大语言模型已是“智能体”，技术演进超乎想象

23:27 Bill Dally：模型效率提升、应用拓展，AI正处于多重指数增长曲线

25:06 Fei-Fei Li：AI仍是年轻学科，语言之外的智能（如空间智能）仍有广阔前沿

26:48 Yann LeCun：应用层面非泡沫，但当前范式无法直接通向人类水平智能

AI的未来与人类级智能

28:11 人类级智能何时到来？嘉宾们给出多元预测

28:50 Yann LeCun：未来5-10年或有新范式，但进程漫长

29:13 Fei-Fei Li：机器智能已在某些方面超越人类，但人类智能地位独特

30:15 Jensen Huang：足够通用智能已存在，重点在于应用

31:03 Geoffrey Hinton：20年内机器有望在辩论中胜过人类

31:31 Bill Dally：AI应增强而非取代人类，聚焦人类独特能力

32:14 Yoshua Bengio：无概念理由阻止机器做人类所有事，AI研究AI是游戏规则改变者

33:55 结束语

🌟 精彩内容

💡 AI先驱的“顿悟时刻”

六位AI巨擘分享了各自职业生涯中关键的“啊哈时刻”，这些瞬间不仅塑造了他们个人，也深刻影响了现代AI的发展轨迹。从Jeff Hinton在19

📝 本期播客简介

本期我们克隆了美国知名科技与投资播客《Allin Podcast》的特别节目，由四位“最佳好友”——风险投资家Chamath Palihapitiya、David Sacks、David Friedberg以及科技媒体人Jason Calacanis共同主持。本期节目重磅邀请到了特斯拉和xAI的创始人兼C E O埃隆·马斯克。在节目中，马斯克深入探讨了收购推特（现X）三年来的巨大变革，包括如何通过Grok和社群笔记打击“觉醒思想病毒”、揭露“影子封禁”和政府勾结，以及他打造的Grokipedia如何挑战维基百科的权威性。他还分享了特斯拉在A I领域的宏伟愿景，从Optimus机器人到即将量产的Cyber Cab，以及如何利用特斯拉车队构建全球最大的A I推理算力网络。此外，马斯克还就气候变化、可持续能源的未来、核能的潜力以及OpenAI的非营利初衷等话题发表了独到见解。这不仅是一场关于科技前沿的深度对话，更是一次对未来社会、言论自由和人类命运的深刻思考，其中不乏幽默与犀利观点，甚至还有主持人与马斯克关于“Dezi”的趣味互动，以及对旧推特办公室浪费现象的辛辣吐槽。

翻译克隆自：Elon Musk: OpenAI Betrayal, His Future at Tesla, and the Next Big Thing — Grokipedia

文字版精华：https://readtube.ai/zh/ai/youtube/result/21da3ec6-c507-4eb3-8e49-560cfc3f22ba

👨‍⚕️ 本期嘉宾

Elon Musk，特斯拉和xAI的创始人兼CEO。

⏱️ 时间戳

开场 & 播客简介

00:00 播客介绍与嘉宾引入

02:06 “Dezi”环节：主持人间的幽默吐槽

X平台的算法与未来

05:03 X算法问题：用户关注内容未显示及互动过载

07:01 Grok赋能X：算法优化与语义搜索的未来

08:46 Grok每日处理亿级内容：AI驱动的个性化信息流

推特收购三周年：言论自由与真相

10:02 收购推特三周年回顾：言论自由的使命

10:49 Grokipedia：挑战维基百科的真相与中立性

15:33 Grokipedia的未来：视频集成与学习工具

17:18 确认偏误与真相：人们是否会改变想法？

揭露旧推特的弊病

21:29 回忆收购初期：旧推特办公室的浪费与荒谬

27:45 影子封禁与“信任与安全”团队的奥威尔式命名

29:25 “推特文件”揭露政府勾结与审查

30:39 X的言论自由政策：遵守法律，抵制非法干预

32:38 X对言论自由的影响：迫使其他平台收敛审查

33:36 全球言论压制趋势：以“仇恨言论”为名

特斯拉、OpenAI与公司治理

34:46 特斯拉董事会投票：ISS与Glass Lewis的争议

36:23 Elon对Optimus的担忧：控制权与AI安全

38:11 OpenAI的“背叛”：从开源非营利到闭源盈利

41:31 AI的冲击：超音速海啸与工作岗位

41:45 创立OpenAI的初衷：制衡谷歌AI霸权与安全考量

特斯拉的AI愿景与可持续能源

44:55 特斯拉车队：全球最大的AI推理算力网络

45:47 AI能效的未来：人脑的启示

47:21 Cyber Cab：无方向盘自动驾驶汽车的量产计划

51:26 自动驾驶的挑战：车队管理与边缘案例

54:20 比尔·盖茨对气候变化的看法与特斯拉Semi的争议

56:18 Elon论气候变化：50年时间线与可持续能源转型

59:14 太阳能与核能：能源的未来与卡尔达肖夫等级

01:07:29 可持续能源的材料：硅、磷酸铁锂的丰富性

结束语

01:09:04 告别与感谢

🌟 精彩内容

💡 Grokipedia的诞生与挑战维基百科

Elon Musk详细介绍了Grokipedia如何通过AI训练实现比维基百科更中立、准确和信息丰富的知识库，并计划集成视频内容，使其成为强大的学习工具。

🗣️ X平台的言论自由与真相

Elon回顾了收购推特三年来在打击“觉醒思想病毒”、揭露“影子封禁”和政府勾结方面的成就，强调X致力于成为地球上最好的真相来源，并通过

📝 本期播客简介

本期我们克隆了全球知名科学播客《Huberman Lab Podcast》的精彩内容，由斯坦福大学神经生物学和眼科学教授Andrew Huberman亲自主持。Andrew以其严谨的科学态度和将复杂神经科学知识转化为实用工具的能力而闻名。本期节目，他将带我们深入探讨“习惯”的奥秘，揭示习惯形成与戒除背后的生物学机制。他将分享如何利用大脑的神经可塑性，通过“边缘系统摩擦力”的概念，识别并克服养成新习惯的阻碍。节目中，Andrew Huberman不仅会介绍“程序性记忆演练”来降低行动门槛，还会详细阐述“任务分界”如何利用多巴胺的“奖赏预测误差”来强化习惯。他提出了两个革命性的实践方案：一是将一天划分为三个阶段，根据大脑的神经化学状态安排不同类型的习惯；二是独特的“21天习惯养成系统”，帮助听众高效培养新行为。此外，他还提供了科学戒除坏习惯的策略，利用“长时程抑制”原理，通过在坏习惯后立即插入替代行为来重塑神经回路。无论你是想养成健康的生活方式，还是摆脱不良习惯，本期节目都将为你提供科学且可操作的指南。

翻译克隆自：The Science of Making & Breaking Habits

文字版精华（点击跳转）

👨‍⚕️ 本期嘉宾

Andrew Huberman，斯坦福大学医学院神经生物学和眼科学教授，Huberman Lab Podcast主持人。

⏱️ 时间戳

习惯的生物学基础

00:02:05 习惯的价值与生物学原理：养成与戒除

00:04:44 习惯是后天习得的神经系统学习结果

00:06:07 学习即神经可塑性：神经元连接的改变

00:06:55 目标导向型习惯与身份认同型习惯

00:09:11 习惯养成所需时间：个体差异巨大（18-254天）

00:11:10 边缘系统摩擦力：阻碍行动的焦虑或疲惫状态

00:12:39 关键枢纽习惯：促进其他习惯形成的基石

00:14:40 习惯强度：情境依赖性与边缘系统摩擦力

习惯养成的工具与方案

00:19:37 习惯的最终目标：自动化与低摩擦力

00:20:25 工具一：程序性记忆演练（心理演练步骤）

00:23:32 赫布学习理论与NMDA受体：细胞层面的习惯形成机制

00:26:30 工具二：任务分界与多巴胺：框定习惯的神经回路

00:31:42 习惯锚定：基于身心状态而非特定时间

三阶段习惯养成方案

00:33:01 24小时三阶段划分：利用大脑神经化学状态

00:34:31 第一阶段（醒后0-8小时）：高去甲肾上腺素、多巴胺、皮质醇

00:36:02 第一阶段应用：安排高边缘系统摩擦力的习惯

00:39:53 第二阶段（醒后9-15小时）：血清素升高，趋于放松

00:44:15 第二阶段应用：安排低边缘系统摩擦力的温和习惯

00:47:36 第二阶段锻炼：注意配合NSDR促进恢复

00:47:36 第三阶段（醒后16-24小时）：深度睡眠，巩固学习

00:52:17 第三阶段重要性：神经可塑性与习惯固化

00:54:09 习惯自动化后：情境独立性与时间灵活

多巴胺与奖赏预测误差

00:57:25 奖赏预测误差：多巴胺与预期奖励的关系

01:01:12 扩大时间信封：将多巴胺奖励与习惯前后序列关联

01:06:10 多巴胺：关于动力而非单纯快感

21天习惯养成系统

01:08:52 21天系统：设定6个新习惯，每天完成4-5个

01:11:09 不补偿原则：错过不补，次日继续

01:13:19 21天后：评估习惯自动化程度，不急于添加新习惯

01:16:34 系统优势：现实适应性与自我测试

戒除坏习惯的科学

01:18:12 戒除习惯的挑战与一般建议

01:19:09 长时程抑制（LTD）：削弱神经连接的机制

01:21:39 传统戒除方法（提醒、惩罚）的局限性

01:26:22 核心策略：在坏习惯后立即插入替代行为

01:31:44 改变神经回路：将坏习惯的“闭环”变为“开环”

01:33:31 成瘾行为的特殊性：需更全面干预

总结与资源

01:34:21 方案回顾与应用建议

🌟 精彩内容

💡 边缘系统摩擦力：启动新习惯的阻力

Andrew Huberman提出了“边缘系统摩擦力”这一概念，用以描述我们因焦虑、疲惫或缺乏动力而难以开始新行为的阻力。理解并管理这种摩擦力，是养成习惯的关键。

“‘边缘系统摩擦力’这个词可以用来描述你需要多少努力，也就是多少‘激活能’，才能开始某个特定的行为。”

🧠 程序性记忆演练：降低行动门槛

仅仅在脑海中演练执行一个新习惯的步骤顺序，就能显著提高实际执行该习惯的可能性。这利用了大脑的程序性记忆机制，降低了启动习惯所需的“激活能”。

“仅仅做一次这样简单的心理演练，就能大大提高人们定期执行这个习惯的可能性，不只是第一次，而是持续到之后的几天甚至几周。”

⏰ 三阶段习惯养成法：顺应大脑节律

将一天划分为三个阶段（醒后0-8小时、9-15小时、16-24小时），并根据每个阶段的神经化学状态（多巴胺、血清素等）安排不同类型的习惯。例如，将高摩擦力习惯安排在早晨，利用多巴胺带来的动力。

“当你列出或思考你想养成的各种习惯时，把那些你知道边缘系统摩擦力最大、最难开始的习惯，安排在醒来后的这零到八小时内。这会极大地促进你执行这些新习惯。”

🔄 21天习惯养成系统：建立与测试

设定21天内每天尝试6个新习惯（预期完成4-5个），不因未完成而补偿。21天后，停止刻意安排，转而评估哪些习惯已融入生活。此系统强调持续性而非完美，并内置了对习惯自动化程度的测试。

“这种养成习惯的方法，与其说是基于你试图养成的具体习惯，不如说是基于‘执行习惯’这个习惯本身。”

🚫 戒除坏习惯：长时程抑制与替代行为

戒除坏习惯的关键在于利用“长时程抑制”原理。当发现自己执行了不想要的坏习惯后，立即有意识地插入一个积极的替代行为。这会打乱坏习惯的神经回路，使其从“闭环”变为“

📝 本期播客简介

本期节目，我们克隆了知名科技分析师 Ben Thompson 播客《Stratechery》中的深度文章《泡沫的好处》。Ben Thompson 大胆挑战了我们对“泡沫”的传统负面认知，他认为当前的 AI 热潮，尽管估值惊人、营收微薄，却是一个典型的“好的泡沫”。他引用卡洛塔·佩雷斯《技术革命与金融资本》的理论，指出像 AI 这样的“拐点泡沫”并非单纯的金融投机，而是技术革命的必要环节。它通过不计成本的投资，催生了未来几十年的基础设施建设和认知上的集体协调，即使泡沫最终破裂，其带来的长期效益也远超短期损失。Ben Thompson 尤其强调了 AI 泡沫在物理基础设施（如芯片制造、电力供应）和认知层面（大规模并行创新、高风险探索）的巨大推动作用。这期节目不仅是对经济现象的深刻分析，更是一种对创新精神的呼唤，提醒我们，那些看似疯狂的投资和集体愿景，可能正是开启未来、避免停滞的关键。

翻译克隆自：The Benefits of Bubbles

👨‍⚕️ 本期嘉宾

Ben Thompson，知名科技分析师，播客《Stratechery》创始人。他以对科技战略和商业模式的独到见解闻名，是少数能深入剖析科技行业宏观趋势并提供前瞻性思考的独立思想家。

⏱️ 时间戳

00:00 开场 & 播客简介

AI泡沫：一个“好的泡沫”

02:31 AI泡沫的现实：万亿美元交易与微薄营收的对比

03:31 泡沫的本质：技术革命的必要环节 (卡洛塔·佩雷斯)

05:37 拐点泡沫：改变数量级的投资 (霍巴特与休伯)

07:20 泡沫的协调机制：良性循环与共同成长

互联网泡沫的启示

08:00 认知能力建设：解锁二十年增长的并行创新

08:54 浏览器革命：XMLHTTPRequest与生产力工具的诞生

10:49 后端技术飞跃：从昂贵Solaris到免费Linux的转变

11:43 泡沫的双重作用：实体基础设施与认知共识

AI泡沫的长期价值

12:38 AI泡沫的担忧与乐观：这次真的不一样吗？

13:36 物理基础设施：GPU、晶圆厂与电力投资

17:22 认知能力建设：AI时代的大规模并行创新

20:01 泡沫的对立面：停滞与风险规避

22:29 停滞的根源：社会对风险的规避

23:00 “繁荣”一书的呐喊：召唤泡沫精神，拥抱疯狂

24:31 AI泡沫的准精神核心：集体愿景与未来建设

🌟 精彩内容

💡 AI泡沫的本质：不仅仅是金融投机，更是技术革命的“安装期”，通过不计成本的投资，为未来几十年的“部署期”奠定基础。

🚀 “拐点泡沫”：Ben Thompson引用霍巴特与休伯的理论，指出AI泡沫关注的是数量级的变化，而非小数点后的增量。它通过集体愿景，协调投资，降低风险，加速创新。

🏗️ AI泡沫的物理基石：尽管GPU寿命有限，但AI热潮对晶圆厂和电力（尤其是新增发电能力）的巨额投资，是极具生产力的长期资产，对人类的贡献将是巨大的。

🧠 AI泡沫的认知飞跃：AI泡沫鼓励大规模并行创新和高风险探索，打破了过去十年科技行业的停滞局面，激发了从芯片设计到新算法等各方面的突破。

📣 泡沫的“呐喊”：Ben Thompson指出，泡沫是一种集体愿景的表达，它召唤人们去拥抱风险，进行高风险探索，共同建设一个充满可能性的未来，从而避免社会和技术的停滞。

🌐 播客信息补充

本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的

使用 AI 进行翻译，因此可能会有一些地方不通顺；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介

本期我们克隆了知名播客《Acquired》第十二季第六集，深度探索了传奇汽车品牌保时捷的百年历史。原节目主持人 Ben Gilbert 和 David Rosenthal 邀请到汽车界的权威人士、知名 YouTuber Doug DeMuro 作为嘉宾。Doug 不仅是保时捷的狂热爱好者，更曾是其员工，甚至在自己的车库中，伴随着他那辆珍贵的卡雷拉GT，与两位主持人共同录制了这期节目，带来了独一无二的内幕视角。 本期节目亮点纷呈，揭示了保时捷如何巧妙地平衡顶级超跑性能与日常驾驶实用性，使其在全球每年生产数十万辆，同时保持高昂的平均售价。我们将回溯保时捷的复杂起源，包括创始人费迪南德·保时捷的工程天才及其与纳粹政权的深厚联系，以及大众汽车的诞生。节目还深入探讨了保时捷在战后的独立发展，标志性车型 911 的传奇故事，以及它如何险些被淘汰的戏剧性转折。您将听到 CEO彼得·舒茨如何力挽狂澜拯救 911，以及 90 年代公司濒临破产后，魏德金如何通过 Boxster 和备受争议的 Cayenne SUV带领公司实现惊人复苏。更引人入胜的是，节目详细剖析了保时捷家族与大众汽车之间长达数十年的权力斗争，以及保时捷试图反向收购大众的惊天豪赌。最后，节目还展望了保时捷在电动化时代的未来，并对这个独特品牌的商业模式进行了深入的“Acquired Doug Score”评估。无论您是汽车爱好者，还是对商业策略和家族传奇感兴趣，这期节目都将为您带来一场充满洞见的听觉盛宴。

翻译克隆自：Porsche (with Doug DeMuro)

👨‍⚕️ 本期嘉宾

Doug DeMuro，知名汽车 YouTuber 和内容创业者，运营着最大的独立汽车评测 YouTube 频道，曾是保时捷公司员工，狂热的保时捷粉丝。

⏱️ 时间戳

00:00 开场 & 播客简介

保时捷的黑暗起源与战后重生

02:28 节目引言：保时捷的独特平衡与家族恩怨

04:50 德国工程的辉煌历史与费迪南德·保时捷的崛起

07:06 创始人与纳粹的深厚联系：不只是被迫合作

08:28 “人民汽车”的构想：与戴姆勒的分道扬镳

10:04 保时捷公司的诞生：咨询业务与犹太合伙人的悲剧

12:05 大众甲壳虫与希特勒：大众汽车的纳粹根源

15:55 战后大众的奇迹复苏：英国军官的远见

19:11 费迪南德·保时捷的工程天才：坦克、电动车与战犯监禁

21:16 家族奥地利分支的起步：从修理军车到打造保时捷356

27:56 家族与大众的交易：甲壳虫专利费与奥地利经销商帝国

32:29 战后德国的经济策略：高税率鼓励工业再投资

911的诞生与家族权力斗争

42:33 356的继任者：911的起源与费迪南德·皮耶希的发动机天赋

45:30 901到911：一个商标引发的传奇命名

47:55 911的成功：兼具性能与日常实用性的跑车典范

50:55 911的六缸水平对置发动机：保时捷的独特技术

53:06 914的尝试：与大众合作的入门级中置跑车

57:29 70年代石油危机与家族危机：两代费迪南德的权力之争

01:00:01 家族退出管理层：一个疯狂但为家庭团结的决定

01:01:27 家族成员的去向：保时捷设计与皮耶希执掌奥迪/大众

保时捷的低谷与魏德金的复兴

01:05:12 职业经理人时代的混乱：924、928与911的危机

01:07:35 911的险些终结：彼得·舒茨的传奇一笔

01:14:26 80年代末的衰退：产品老化与日本车的冲击

01:18:28 公司濒临破产：市值跌至4亿欧元

01:19:59 绝境求生：959超跑与为梅赛德斯、奥迪代工

01:26:38 魏德金上任：丰田生产系统与产品线精简

01:27:54 Boxster的成功：与911共享平台的新入门级跑车

01:30:11 Cayenne的争议与成功：保时捷进军SUV市场

01:33:59 Carrera GT的诞生：在SUV工厂生产的纯粹超跑

01:40:57 魏德金的辉煌成就：市值增长百倍，从濒临破产到行业巨头

家族的反向收购与电动化未来

01:44:00 魏德金的野心：保时捷反向收购大众的豪赌

01:45:51 大众汽车法：德国法律与衍生品收购

01:49:19 雷曼兄弟倒闭：金融危机下的短线轧空与保时捷的困境

01:51:23 皮耶希的反击：大众收购保时捷的运营公司

01:53:00 家族的最终胜利：成为大众集团最大股东

01:54:52 金融危机后的发展：中国市场与918 Spider超跑

01:59:49 Macan与Taycan：电动化时代的布局与挑战

02:04:43 保时捷的再次IPO：欧洲史上最大规模上市

商业模式与“Acquired Doug Score”

02:07:27 今天的保时捷：家族控股、CEO共享与业务构成

02:08:20 中国市场与SUV：保时捷在不同区域的品牌认知

02:09:58 规模与奢侈品的平衡：与法拉利、路易威登的对比

02:14:15 毛利率分析：汽车与奢侈品的成本差异

02:17:57 护城河分析：品牌、规模经济与传承

02:24:37 成功经验总结：赛车、品牌连续性与梦想吸引力

02:27:07 Acquired Doug Score：收入增长、盈利能力与护城河评估

02:34:33 嘉宾推荐环节

02:38:58 嘉宾Doug DeMuro的个人事业分享

02:40:57 结束语与节目信息

🌟 精彩内容

💡 纳粹阴影下的起源

保时捷的创始人费迪南德·保时捷与纳粹政权有着深厚联系，甚至直接参与了大众汽车的创立。战后，大众汽车在英国军官的帮助下奇迹般复苏，而保时捷家族则通过与大众的合作，获得了甲壳虫的专利费和经销商网络，为日后发展奠定基础。

“费迪南德本人不光是纳粹，还是阿道夫·希特勒的密友，他还是党卫军的成员。”

🚗 911的传奇诞生与家族恩怨

911的诞生源于费利·保时捷“小车大马力”的理念，并结合了家族成员费迪南德·皮耶希的六缸水平对置发动机设计。然而，家族内部的权力斗争最终导致家族成员集体退出运营，为公司未来的动荡埋下伏

📝 本期播客简介

本期我们克隆了知名播客对播客界翘楚Dwarkesh Patel的独家专访。Dwarkesh Patel是播客《Dwarkesh Podcast》的主持人，以其对AI、科技、地缘政治等领域顶级专家的深度访谈而闻名，被誉为聪明人学习前沿知识的首选。在这期难得的访谈中，Dwarkesh从采访者的角色转变为受访者，首次系统性地揭示了AI，特别是Claude，如何彻底融入他的工作流和生活。他分享了如何利用AI进行海量信息研究，将模糊概念清晰化，甚至生成“间隔重复”卡片，以此巩固知识，实现更高效的未来学习。Dwarkesh强调，AI已成为他深度阅读晦涩文本、理解复杂论点（从历史到哲学）的强大伴侣，帮助他构建更全面的世界模型。他的动力源于对一切事物永不满足的好奇心，以及对那些拥有自洽世界观思想家的无限钦佩。节目中，原播客主持人Dan也分享了自己如何借助AI进行深度思考和“大想法”的构建。这不仅是一次关于AI工具使用的分享，更是一次关于深度学习、知识整合和永恒好奇心驱动的智力探索。

翻译克隆自：Best of the Pod: Dwarkesh Patel's Quest to Learn Everything

👨‍⚕️ 本期访谈对象

Dwarkesh Patel，播客《Dwarkesh Podcast》的主持人，以其对AI、科技、地缘政治等领域顶级专家的深度访谈而闻名。

⏱️ 时间戳

00:00 开场 & 播客简介

Dwarkesh Patel：一位深度访谈者

02:09 访谈的动力：好奇心与求知欲

AI如何融入工作流：从质疑到关键工具

02:40 GPT-4发布后的初期体验

03:17 Claude的临界点：智能追问与上下文理解

03:17 AI在研究中的核心价值

AI赋能深度阅读与学习

04:10 Andy Matus的启发：间隔重复学习法

05:02 高效阅读策略：不只是“随便读读”

05:40 实战案例：用Claude生成间隔重复卡片

07:14 Claude作为阅读伴侣：解析晦涩文本

08:13 上传电子书：与Claude深度对话

构建世界观与知识整合

12:20 从单一主题中窥见宇宙

15:15 间隔重复的深层意义：未来学习的基石

22:48 Dwarkesh的求知欲：永不满足的好奇心

26:12 Dan分享：用Claude构建“大想法”

AI辅助采访准备

30:50 Dwarkesh的采访准备流程

32:19 与Claude共同准备采访：以David Reich为例

35:52 Claude总结嘉宾核心观点与技术

37:04 向Claude提问：深入探讨历史与文明

🌟 精彩内容

💡 AI从“无用”到“关键”的转变

Dwarkesh Patel分享了他从最初认为AI（如GPT-4）在采访准备中“完全没用”，到如今Claude等模型达到“临界点”，能够智能追问并理解上下文，成为他深度研究和学习不可或缺的工具。

“一年前，我当时的回答是‘完全不用，它根本没用’。但我觉得最近的模型，比如像四点零版本，特别是Claude的新模型，它们已经达到了一个临界点。”

📚 AI驱动的深度学习与间隔重复

受“间隔重复”理念启发，Dwarkesh利用AI（如Claude）将阅读内容转化为个性化学习卡片，有效巩固知识，避免重复学习。他认为这种方法不仅能记住信息，更能帮助理解新概念之间的深层联系，为未来的学习打下坚实基础。

“我摸索出了一套工作流和工具，能帮我真正地去探究、去巩固我正在阅读或学习的内容。”

“因为我把所有这些不同的概念、数字和事实都缓存了起来，我现在学习其他新东西的速度快了很多。”

🧠 AI构建世界观：从碎片到系统

Dwarkesh和Dan都分享了如何利用AI来整合零散的想法，构建更全面的世界观。Dwarkesh通过在网站上撰写随感，联系不同书籍的观点；Dan则利用Claude项目整理笔记，探索语言模型与哲学之间的深层联系，旨在形成“大想法”。

“我就是真的想知道一切……我就是觉得这个想法很有吸引力。”

“如果你只选一个人，比如林登·约翰逊，然后真正深入地研究他，你就必须解释世界上所有其他的事情，才能解释清楚他。”

🎙️ AI辅助采访：高效准备与深度对话

Dwarkesh详细介绍了AI如何辅助他进行采访准备，包括利用Claude总结嘉宾著作的核心观点、技术细节，并提出深入的问题。这种方法让他能在采访前达到更深的理解层次，从而进行更具洞察力的对话。

“我基本上把这些问题都记住了。所以，如果嘉宾的回答中提到了某个点……我就会抛出下一个与此相关的、我准备好的问题。”

🌐 播客信息补充

本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的

使用 AI 进行翻译，因此可能会有一些地方不通顺；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介

本期节目克隆自知名播客《Huberman Lab》，主持人Andrew Huberman邀请到社会心理学巨擘、纽约大学教授Jonathan Haidt博士。Haidt博士深入剖析了当下青少年心理健康危机的根源——智能手机的普及与社交媒体的滥用。他将这一转变描述为“童年的大重塑”，并以“三幕悲剧”的视角，探讨了社区信任的失落、基于玩耍的童年被剥夺，以及最终被“手机童年”取代的演变。Haidt博士结合神经生物学、心理学和社会学视角，揭示了智能手机如何通过“超级刺激物”效应，以不健康的模式重塑了青少年，特别是青春期大脑的多巴胺强化系统，导致焦虑、抑郁和自残率飙升。他详细阐述了智能手机对男孩和女孩的不同影响，以及色情内容对男性性发育的潜在危害。节目并非止于揭示问题，Haidt博士更提出了四大明确解决方案，旨在激励听众通过集体行动，为孩子们重建一个健康、充满冒险的童年。

翻译克隆自：Dr. Jonathan Haidt: How Smartphones & Social Media Impact Mental Health & the Realistic Solutions

👨‍⚕️ 本期嘉宾

Jonathan Haidt博士，社会心理学家，纽约大学教授，畅销书《焦虑的一代：童年经历的“大重塑”如何引发了精神疾病的流行》作者。

⏱️ 时间戳

开场 & 播客简介

00:00 播客介绍与嘉宾引言

人类文明的转折点

04:35 Haidt博士对人类文明现状的看法

童年“大重塑”的起源：智能手机与社交媒体

05:27 互联网与智能手机的演变：社交媒体是关键转折点

08:48 智能手机的成瘾性与持续分心

青少年心理健康危机的数据与趋势

10:39 2012年以来青少年（特别是女孩）心理健康急剧恶化的数据

智能手机对儿童的影响：时间、内容与童年模式的转变

15:01 智能手机使用对青少年身心健康的全面影响

17:01 青少年每天使用手机的时长与“手机童年”的到来

童年“三幕悲剧”

18:19 第一幕：社区信任的失落与玩耍空间的减少

21:53 第二幕：对绑架的恐惧导致基于玩耍的童年被剥夺

24:06 第三幕：智能手机普及，手机童年全面取代

性别差异：男孩与女孩的在线行为模式

28:56 心理特征差异：女孩偏向社交，男孩偏向系统

30:36 社交媒体对女孩的吸引力：社交动态与形象塑造

31:20 游戏与色情内容对男孩的吸引力：战争与性

色情内容对男性性发育的神经生物学影响

38:20 多巴胺强化系统与即时满足的危害

42:06 现实世界求爱与社交技能的丧失

Z世代在职场中的挑战

51:14 缺乏主动性、自信和高焦虑的Z世代员工

冲突解决与社交技能的缺失

52:29 玩耍中学习冲突解决与社交规则的价值

53:57 社交媒体上冲突的升级与羞耻感

“超级刺激物”：智能手机对发育中大脑的影响

1:05:59 智能手机作为“超级刺激物”对大脑发育的负面影响

1:12:22 大脑发育的关键期与敏感期：青春期的重要性

1:25:25 多巴胺驱动的神经可塑性与不良行为的强化

四大解决方案：重建健康的童年

1:27:03 解决方案概述：打破集体行动困境

1:28:24 规范一：高中前不给智能手机

1:29:11 规范二：十六岁前不使用社交媒体

1:31:50 规范三：学校实行无手机政策

1:34:28 规范四：在现实世界中给予更多独立、自由玩耍和责任

集体行动与政策推动

1:35:16 改变社会规范需要集体行动

1:38:28 立法与年龄验证：强制执行的必要性

1:42:14 “Let Grow”组织：通过法律保护自由玩耍

保护性因素：夏令营、团队运动与宗教

1:43:43 夏令营的“排毒”作用与团队运动的益处

音乐与同步性：集体活动的益处

1:47:09 音乐学习与集体演奏对大脑可塑性的积极影响

无聊的重要性与内心生活的培养

1:49:06 现代生活缺乏无聊：信息过载与内心生活缺失

1:53:32 减少信息输入：关闭通知与卸载社交媒体

1:56:31 “敬畏行走”：培养观察与思考的能力

科技巨头对童年的“拥有”与监管挑战

1:58:05 科技公司对儿童童年的“占有”及其危害

2:02:51 媒体关注内容而非媒介：社交媒体的本质问题

成年人榜样作用与青少年叛逆

2:04:35 成年人手机使用对青少年的影响

2:07:23 青少年叛逆的缺失与社交成瘾的困境

2:09:07 提供激动人心的童年替代方案

乐观展望与如何提供帮助

2:11:54 Haidt博士对未来变化的乐观程度

2:16:30 如何参与集体行动：对话、支持与立法倡导

🌟 精彩内容

💡 童年“大重塑”：智能手机如何改变一代人

Haidt博士将2010-2015年智能手机和社交媒体的普及定义为“童年的大重塑”，它彻底改变了儿童和青少年的成长模式，导致心理健康危机。

“到2015年，绝大多数美国人，当然也包括青少年，都有了带前置摄像头的智能手机…每天在手机上花十到十五个小时都成了可能。”

📈 触目惊心的心理健康数据

自2012年起，美国及全球发达国家青少年的焦虑、抑郁和自残率呈“曲棍球棒”式急剧上升，尤其在女孩中更为显著，且这一趋势在医院数据中也得到证实。

“这些曲线直到2012年左右都相当平坦。然后突然之间，女孩的曲线像曲棍球棒一样急剧上升。”

🧠 “超级刺激物”对发育中大脑的危害

智能手机和社交媒体提供了“超级刺激物”，以不健康的模式过度刺激青春期大脑的多巴胺强化系统。这类似于给孩子喂食垃圾食品，导致神经回路被错误连接，使现实世界的健康刺激变得索然无味。

“如果你用垃圾食品养育你的孩子，你会遇到各种各样的新陈代谢问题、发育问题、肥胖、糖尿病…发育中的大脑和身体要敏感得多。”

📝 本期播客简介

本期克隆了 Ex-OpenAI Founder Deposition is WILD

节目深入解析了埃隆·马斯克起诉Sam Altman一案中，OpenAI前联合创始人Ilya Sutskever长达62页的庭外证词。Matthew Berman细致梳理了这份爆炸性文件中的核心细节，揭露了OpenAI内部那场惊心动魄的权力斗争。我们将了解Ilya为何秘密准备长达52页的备忘录，意图罢免Sam Altman；前CTO Mira Murati在其中扮演的角色；以及前董事会成员Adam D'Angelo、Helen Toner和Tasha McCauley如何联手推动Sam下台。节目中，Ilya毫不讳言Sam Altman是他眼中擅长玩弄权术的“杀手”型领导者，并首次披露他对Sam的不满已持续至少一年。更令人震惊的是，在Sam被解雇期间，Anthropic创始人Dario Amodei曾试图与OpenAI合并，而部分董事会成员竟对此表示支持。此外，我们还将听到关于Sam和Greg Brockman曾被Y Combinator和Stripe开除的谣言，以及Ilya对Sam被解雇后员工强烈反应的惊讶，和他离开OpenAI后股权价值不降反升的有趣细节。

👨‍⚕️ 本期嘉宾

Matthew Berman，深度分析师，本期节目中他将独家解读Ilya Sutskever的庭外证词。

⏱️ 时间戳

播客简介 & 事件背景

00:00 播客简介：Ilya Sutskever 62页证词揭露OpenAI内部权力斗争

01:32 核心人物：Sam Altman, Ilya Sutskever, Mira Murati, Greg Brockman, 前董事会成员, Dario Amodei

罢免Sam Altman的幕后策划

02:21 马斯克诉讼背景：OpenAI非营利转营利争议

03:48 Ilya准备52页备忘录，意图解雇Sam Altman

04:41 Ilya未告知Sam的原因：担心Sam阻挠，认为Sam是“杀手”型领导者

Mira Murati的角色与董事会行动

05:33 董事会要求Ilya准备文件，Mira Murati提供大量证据

07:44 独立董事Adam D'Angelo, Helen Toner, Tasha McCauley指示Ilya收集证据

Ilya对Sam的看法与罢免行动

08:38 Ilya指控Sam撒谎、削弱高管、挑拨离间，认为Sam必须走人

09:39 Ilya也曾起草批评Greg Brockman的备忘录

10:27 Ilya对权力者的看法：能爬到高位者多擅长权术

董事会罢免Sam过程的争议

11:16 Ilya认为罢免过程仓促，董事会缺乏经验

12:10 Helen Toner争议言论：从推特得知ChatGPT，愿为使命牺牲OpenAI

12:26 Helen Toner罢免Sam的理由：Sam隐瞒信息、提供不准确安全流程、试图将她赶出董事会

Helen Toner的立场与OpenAI的使命

14:01 Ilya认为Helen Toner作为董事批评OpenAI并赞扬Anthropic不合适

14:51 Helen Toner认为公司被毁也符合使命，Ilya坚决反对

Sam与Greg被开除的谣言来源

15:39 Sam被Y Combinator开除的谣言：Paul Graham澄清Sam是选择离开

17:17 Mira Murati是Y Combinator和Stripe开除谣言的来源

Dario Amodei与OpenAI的权力斗争

18:26 Mira Murati透露Sam挑拨Daniella和Mira关系

18:26 Dario Amodei曾想取代Greg Brockman，Sam未明确表态

19:12 Ilya认为Dario

📝 本期播客简介

本期我们克隆了：顶尖深度对谈播客《Lex Fridman Podcast》

本期嘉宾 Jordan Peterson 是一位在全球范围内引发巨大讨论的思想家。在这场长达数小时的深度对话中，Lex Fridman 与 Peterson 进行了一场智力与灵魂的搏斗。他们从尼采的名言“与怪物战斗的人，小心自己也变成怪物”出发，深入探讨了美、真理、邪恶与神性的终极关系。Peterson 分享了他对“凝视深渊”的独特见解，认为只要凝视得足够久，最终看到的将是光明而非黑暗。对话触及了现代社会的种种“恶龙”——从环保主义的“恐惧暴政”到政治意识形态的“该隐精神”，并剖析了名声对个人的腐蚀性。这不仅是一场关于哲学与心理学的思辨，更是一次关于如何在混乱世界中找到秩序、承担责任、并自愿拥抱苦难以实现转化的实战指南。

原播客地址：Jordan Peterson: Life, Death, Power, Fame, and Meaning | Lex Fridman Podcast

👨‍⚕️ 本期嘉宾

Jordan B. Peterson，多伦多大学心理学教授，临床心理学家，畅销书《人生十二法则》、《超越秩序》的作者。他的演讲和著作融合了心理学、神话、宗教和个人经历，在全球范围内影响了数以百万计的人，引发关于文化、政治和个人责任的广泛讨论。

⏱️ 时间戳

00:00 开场 & 播客简介

深渊、美与神性

00:56 美将拯救世界：陀思妥耶夫斯基的深意

02:11 矛盾与焦虑：作为熵增信号的负面情绪

04:29 燃烧的荆棘：秩序与混乱的平衡之美

07:59 艺术的恐惧：为何美是令人敬畏的指针

上帝、科学与信仰

10:38 上帝是什么：作为终极现实的定义

12:05 敬拜的本质：对值得钦佩之物的模仿

14:56 科学的信仰：对超验现实的必然假设

18:14 AI 的伦理：警惕“物之人”的玩具变成怪物

名声、权力与自我

23:59 凝视深渊：在黑暗中寻找光明的赌注

27:34 死亡的阴影：Peterson 对死亡的持续思考

31:38 Elon Musk：对“伟人的愚蠢”与人口问题的敬佩

36:48 意识形态的恶龙：如何识别“恐惧的暴君”

邪恶的根源：该隐的精神

45:22 该隐与亚伯：怨恨、嫉妒与献祭不足

50:18 “取消文化”的代价：Peterson 的亲身经历

52:36 对话的力量：化解政治僵局的解药

政治、战争与领导力

01:00:16 评价 Trudeau：权力如何腐蚀人

01:10:57 乌克兰战争的深层原因：超越单一叙事

01:18:04 领导者的本质：一个倾听者与苦难的收集者

Peterson 的生活哲学

01:18:04 巡演的一天：从牛排早餐到四千人的演讲

01:27:33 健康的启示：纯肉饮食如何逆转自身免疫疾病

01:43:12 如何思考：从“什么让你烦恼”中找到命运

01:52:36 克服抑郁：缩小恶龙，从征服一件小事开始

02:04:45 给年轻人的建议：承担责任，追求能力

02:18:12 约会的智慧：如何成为“完美的约会对象”

文学、爱与人生的意义

02:23:09 索尔仁尼琴：善与恶的界线贯穿人心

02:26:08 《卡拉马佐夫兄弟》：有史以来最伟大的书？

02:32:00 人生的意义：爱是最高理想，真理是它的侍女

🌐 播客信息补充

本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的

使用 AI 进行翻译，因此可能会有一些地方不通顺；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介

本期节目克隆了Jennifer Li对Eleven Labs联合创始人兼CEO Mati Staniszewski的深度专访。Eleven Labs作为AI音频领域的领军企业，在短短三年内，从文本到语音合成起步，迅速拓展至语音到文本、音乐、音效乃至AI智能体平台，展现了惊人的执行力。Mati在访谈中分享了Eleven Labs如何通过小而自主的团队结构，以及全球化的人才招聘策略，在保持高速迭代的同时兼顾产品质量。他深入探讨了公司如何通过“声音市场”与创意产业合作，实现收益分成，以及在与唱片公司谈判中克服挑战的经验。Mati还揭示了Eleven Labs从创作者品牌成功转型企业市场的策略，包括构建全面的AI智能体解决方案，以及在企业级产品开发中对可靠性和合规性的极致追求。他坦诚分享了作为CEO，从早期激情驱动到规模化后激励机制驱动的文化转变，以及如何确保销售策略与公司长期目标一致的宝贵经验。这不仅是一次关于AI技术前沿的探索，更是一堂关于创业、创新与组织管理的实践课。

翻译克隆自：ElevenLabs CEO: Why Voice is the Next AI Interface

👨‍⚕️ 本期嘉宾

Mati Staniszewski，Eleven Labs 联合创始人兼 CEO。Eleven Labs是AI音频领域的领军企业，提供文本到语音、语音到文本、音乐、音效及AI智能体平台等服务。

⏱️ 时间戳

00:00 开场 & 播客简介

Eleven Labs的飞速发展与产品策略

00:02:09 语音市场：赋能创作者，已支付千万美元收益

00:03:28 三年惊人执行力：从文本到语音到AI智能体平台

00:04:05 速度与质量并存：小而自主的团队结构

00:06:03 平衡研发与产品发布：研究与产品团队的协作

00:07:00 研究与产品：3个月时间线与灵活的产品开发

全球化人才与组织文化

00:08:19 全球化招聘策略：从欧洲起步，寻找顶尖人才

00:09:39 招聘非传统背景人才：打破常规，发现潜力股

00:10:19 混合办公模式：中心与远程结合，兼顾融入与灵活

00:11:26 欧洲团队的独特优势：渴望施展抱负的动力

00:11:44 扁平化组织架构：小团队、无头衔与责任制

00:13:04 扁平化挑战与负责人作用：处理复杂问题与信息隔离

00:14:03 创意产业合作：拥抱AI工具，收益分成模式

与创意产业的合作与挑战

00:14:51 与行业对话：理解优先事项与激励机制

00:15:31 声音市场：通过收益分成与社区共赢

00:16:16 成功案例：西班牙男声在英语国家的意外走红

00:17:01 与唱片公司合作：艰难谈判与强制性节点

00:17:56 招募人才：法律顾问与行业专家

企业市场转型

00:20:08 从创作者到企业：产品驱动增长与销售模式演变

00:21:38 AI智能体解决方案：结合多模型，实现复杂应用

00:22:15 企业级产品开发：可靠性、合规性与生产环境部署

00:23:09 挑战与文化转变：企业销售周期的耐心与团队共识

CEO的转型与领导力

00:26:26 CEO最艰难的转变：从激情驱动到激励机制驱动

00:27:31 激励结构的重要性：销售配额与公司战略一致性

00:28:15 文化调整：当激励机制与公司利益冲突时

00:29:11 政策调整：明确禁止向竞争对手出售模型

🌟 精彩内容

💡 **AI音频领域的飞速发展与创新**

Eleven Labs在短短三年内，从文本到语音合成起步，迅速拓展至语音到文本、音乐、音效乃至AI智能体平台，展现了惊人的执行力。Mati强调，他们通过小而自主的团队结构，每个团队5-10人，拥有完全的开发和上线自主权，从而在保持高速迭代的同时兼顾产品质量。

“我们现在大概有二十个产品团队，每个团队五到十人，他们有完全的自主权去开发和上线产品。”

🌍 **全球化人才策略与扁平化组织**

Mati分享了Eleven Labs如何从欧洲起步，通过全球化招聘寻找最优秀的人才，不局限于传统背景，甚至招募了开源模型开发者。公司采用扁平化组织架构和“无头衔”政策，鼓励员工横向承担责任，让聪明、行动快、有激情的人能快速脱颖而出。

“我们不能只局限在旧金山或西海岸，我们知道必须去欧洲、亚洲各地寻找他们。”

“我们一年前取消了所有头衔，目前看效果还不错，这个制度还在运行。”

🤝 **与创意产业的合作共赢**

面对AI工具在创意领域的抵制，Eleven Labs通过“声音市场”与创作者合作，实现收益分成，已向社区支付超过1000万美元。Mati强调，关键在于花时间理解行业需求，找到AI真正有帮助的部分，并让整个行业参与进来，共同推动变革，而非颠覆。与唱片公司的合作虽然艰难，但通过设定强制性节点和建立信任，最终达成了授权协议。

“所以我们推出了声音市场（Voice Marketplace），你可以在上面创建自己的声音并分享出去。当你的声音被分享后，你就能获得收益。”

📈 **从创作者品牌到企业市场的成功转型**

Eleven Labs成功从面向创作者的品牌转型企业市场，构建全面的AI智能体解决方案。Mati指出，这需要将语音转文本、大语言模型和文本转语音结合起来进行整体调度，并专注于企业级产品的可靠性、合规性、部署和持续监控。他坦诚，企业销售周期长，需要团队克服早期怀疑，保持耐心和共识。

“如果你使用我们的软件，它将永远可靠，永远能达到四个九甚至有朝一日五个九的可用性。”

👨‍💼 **CEO的转型与激励机制的艺术**

Mati分享了作为CEO最艰难的转变之一：从早期团队凭热情驱动到规模化后激励机制驱动的文化转变。他意识到，随着团队扩大，激励结构变得至关重要，销售配额和佣金实际上是战略的滞后指标。因此，需要确保销售策略与公司长期目标一致，并鼓励团队在激励机制与公司利益冲突时，主动沟通调整。

“如果你没有把规则说得极其清楚，这些行为可能会和你设想的略有不同。”

“我们现在明确告诉所有销售团队，如果他们看到一个交易，比如说本质上是竞争性的，而我们的定价表显示他们可以把价格压得很

📝 本期播客简介

本期我们克隆了知名播客《The Diary of a CEO》中一场关于女性健康的里程碑式对话。主持人Steven Bartlett邀请了四位顶尖专家：运动生理学家Stacy Sims、生育医生Natalie Crawford、妇产科专家Mary Haver和骨科运动外科医生Vonda Wright。她们将共同揭示长期以来被忽视的女性生理奥秘。 这场对话直面女性健康为何需要被独立讨论，挑战了将女性视为“缩小版男性”的传统医学偏见。嘉宾们深入剖析了月经周期、多囊卵巢综合征（P C O S）、子宫内膜异位症等常见问题，强调了荷尔蒙在女性全身健康中的关键作用，以及不规律周期可能带来的长期风险。她们还探讨了避孕措施对身体的深远影响，以及生育能力随年龄变化的真相。更年期和围绝经期作为女性生命中的重要阶段，其症状常被误解甚至污名化，专家们呼吁重视荷尔蒙优化和生活方式干预。这是一场关于赋权、知情选择和倡导的对话，旨在帮助所有女性更好地理解自己的身体，并为男性提供支持女性健康的宝贵视角。

翻译克隆自：Hormone & Fertility Experts: We've Been Lied To About Women's Health! If This Happens, Call A Doctor

文字版精华见 飞书文档

👨‍⚕️ 本期嘉宾

Stacy Sims：运动生理学家和运动医学专家，专注于运动和营养对女性健康的影响。

Natalie Crawford：生育医生，试管婴儿诊所负责人，致力于帮助女性理解自身激素和生育能力。

Mary Haver：妇产科专家，专注于更年期护理，致力于改变女性长期健康的医学观念。

Vonda Wright：骨科运动外科医生，研究肌肉骨骼老化，倡导改变全球人群的衰老方式。

⏱️ 时间戳

女性健康：被忽视的真相

00:00 开场 & 播客简介

02:05 为什么女性健康需要独立讨论：挑战传统医学偏见

03:10 女性健康研究的资金不足：慢性病与精神健康问题更严重

11:28 医学研究的性别偏见：历史遗留问题与生理差异

18:45 “爱抱怨的女人”：医学界对女性症状的误解与污名化

荷尔蒙与月经周期

26:18 荷尔蒙的奥秘：身体的通讯系统与公众认知缺失

31:06 揭秘月经周期：大脑、卵巢与激素的精密协作

33:32 孕酮的影响：黄体期身体机能的转变

35:36 月经不规律：身体发出的警示信号

多囊卵巢综合征（PCOS）

39:05 PCOS与胰岛素抵抗：代谢健康与生育能力

44:14 PCOS的成因与管理：并非自致，但生活方式至关重要

46:40 PCOS的生活方式干预：饮食、睡眠、运动与压力管理

52:33 医疗模式的不足：疾病预防与根本原因的忽视

月经的价值与铁缺乏

54:44 月经：女性健康的标志与社会观念的转变

58:04 异常月经：剧痛与出血量过多的警示

59:17 铁缺乏症：女性常见问题与“正常值”的误区

子宫内膜异位症

1:09:31 Liv的故事：漫长诊断之路与疾病的破坏性

1:11:42 子宫内膜异位症：炎症性与自身免疫性疾病

1:14:36 诊断与治疗困境：缺乏研究与生育影响

1:21:15 缓解炎症：冷水浸泡等非传统疗法

避孕与身体影响

1:24:51 避孕药的工作原理：抑制排卵与激素变化

1:27:09 避孕药的潜在影响：运动表现、骨密度与睾酮

1:30:27 个人反思：避孕药对自身健康的长期影响

1:44:00 宫内节育器（IUD）：机制、风险与个人选择

1:50:55 避孕方式的选择：知情决策与潜在后果

情绪波动与大脑变化

1:55:56 黄体期情绪波动：PMDD与荷尔蒙对神经递质的影响

2:00:05 月经周期中的大脑变化：空间能力、专注力与性欲

2:03:28 可穿戴设备：女性生理数据解读的误区

生育与卵子冷冻

2:08:59 生育的“铁律”：生活方式与环境毒素

2:11:08 卵子数量与质量随年龄下降：女性生育力的真相

2:14:05 卵子冷冻：保留生育机会的策略与社会讨论

2:28:52 自然生育率：不同年龄段的怀孕几率

2:33:40 男性生育力：影响因素与优化建议

2:35:18 妊娠丢失：被忽视的经历与雇主支持

围绝经期与更年期

2:49:00 围绝经期：卵巢功能衰退的早期信号

2:53:03 围绝经期症状：认知变化、情绪波动与韧性丧失

3:05:09 过时的医学定义：更年期的诊断与治疗困境

3:09:20 低雌激素的危害：自杀风险、骨密度与心理健康

3:10:37 围绝经期激素疗法：稳定荷尔蒙与改善症状

荷尔蒙疗法与污名

3:12:29 荷尔蒙疗法：重建健康生活的基石

3:17:04 个人经历：Vonda Wright的更年期与荷尔蒙优化之旅

3:19:14 荷尔蒙疗法的污名：社会观念与性别差异

3:27:05 荷尔蒙疗法的风险与副作用：贴片、口服与阴道给药

3:30:52 更年期的爱情与性：赋权、睾酮与阴道雌激素

总结与展望

3:40:04 赋权女性：理解身体、提出问题与积极决策

3:41:17 历史教训：女性健康被忽视的代价

3:43:35 呼吁：像关心孩子一样关心女性自身健康

🌐 播客信息补充

📝 本期播客简介

本期我们克隆了硅谷知名产品与创业播客《Lenny's Podcast》的精彩访谈。主持人Lenny Rachitsky邀请到了Canva的联合创始人兼CEO Melanie Perkins。Melanie不仅是科技界最成功的女性创始人之一，她所创立的Canva估值已超过420亿美元，年收入达33亿美元，连续八年盈利，是全球最热门的私营科技公司之一。在本次对话中，Melanie分享了Canva从零到一的非凡旅程，包括她如何坚持“B栏思维”，从理想未来倒推，以及将“疯狂、远大的目标”融入公司价值观。她坦诚地讲述了早期被一百多位投资人拒绝的经历，以及Canva在两年内无法发布新功能的艰难时期。更令人动容的是，Melanie深入阐述了Canva的“两步计划”：在创造巨大商业价值的同时，致力于“尽我们所能做最多的好事”，甚至捐出个人30%的股份。她还分享了Canva如何通过“闭环”机制倾听用户声音，以及AI如何赋能“设计一切”的宏大愿景。这不仅是一堂创业大师课，更是一次关于如何构建有意义人生的深刻对话。

翻译克隆自：The woman behind Canva shares how she built a $42B company from nothing | Melanie Perkins

👨‍⚕️ 本期嘉宾

Melanie Perkins，Canva的联合创始人兼CEO。她被誉为科技界最成功的女性创始人之一，带领Canva从零起步，估值超过420亿美元，年收入达33亿美元，并连续八年实现盈利。

⏱️ 时间戳

00:00 播客简介与嘉宾介绍

02:06 嘉宾介绍与Canva成就：从100+次拒绝到420亿美元估值

B栏思维：从理想未来倒推

05:22 B栏思维：从完美愿景出发，而非眼前现实

07:15 B栏思维在Canva的实践：从学生时代构想未来设计工具

08:50 如何打造B栏公司：从你想要的未来开始，分步实现

创业路上的挑战与成长

12:36 从混沌到清晰：新想法的孵化与迭代

16:04 疯狂远大的目标：Canva的价值观与两步计划

18:39 疯狂远大目标的实践：赋能全球设计，多语言多设备支持

22:12 庆祝里程碑：独特而有趣的团队庆祝方式

24:04 艰难时刻：长达两年的代码重构，期间无法发布新功能

28:47 应对挑战：将代码重构过程游戏化，缓解团队压力

28:47 100+次投资人拒绝：将拒绝转化为改进推介的动力

31:55 对融资困难创始人的建议：迭代推介，寻找同类

34:03 领导力成长：学会放权与坚持Canva独特文化

36:41 澳大利亚的优势：远离湾区，保持独立思考

创始人工作与生活平衡

38:06 创始人工作与生活平衡：断开连接，为思考留白

产品策略与用户反馈

40:24 倾听用户：通过“闭环”机制收集并解决百万级用户需求

43:26 Canva的“两步计划”：创造商业价值与尽力行善

46:50 “两步计划”的深远影响：赋予工作更深层意义

Canva的AI战略与未来展望

48:04 Canva的AI战略与产品扩展：赋能“设计任何东西”

53:10 产品扩展的决策逻辑：紧扣“赋能全球设计”使命

54:20 竞争策略：不惧竞争，专注于填补市场空白与解决用户痛点

56:39 AI在Canva的核心作用：减少想法与实现之间的摩擦

58:32 个人AI使用心得：用AI辅助思考与整理思绪

59:58 2050愿景墙：构想理想未来，激发集体行动

闪电问答

01:05:00 书籍推荐：《瞬间的力量》、《设计常识》

01:05:19 推荐产品：Calm冥想应用

01:05:35 理想的未来项目：赋能全球的基础设施

01:06:54 人生座右铭：“所思、所言、所行和谐统一”与“所有美好的事物都曾被想象过”

01:07:45 花样滑冰的启示：摔倒再爬起，努力与决心

01:08:41 寻找Melanie/Canva与听众行动：LinkedIn、提交愿望、使用/传播Canva、参与“百分之一承诺”

🌟 精彩内容

💡 B栏思维：从理想未来倒推

Melanie Perkins分享了她独特的“B栏思维”，即从最完美的未来愿景出发，而非受限于当前现实，努力将其变为现实。这种思维方式是Canva从零起步，实现宏大目标的关键。

“我想，做规划有两种方式。一种方式是，你可以梦想未来最完美的愿景是什么？...然后从这个完全不切实际、疯狂宏大的梦想出发，努力把它变成现实。”

🚀 100+次投资人拒绝与迭代

Canva早期曾被一百多位投资人拒绝，但Melanie将每次拒绝都视为改进推介和强化愿景的机会。她坚信自己的方向，并不断迭代沟通方式，最终获得了成功。

“我当时心里非常清楚，这绝对是未来的趋势，所以坦白讲，我觉得是那些投资人搞错了，哈哈。不过，投资人也给了我很多有用的反馈，虽然这些反馈常常是以拒绝的形式出现的。”

🎯 疯狂远大的目标

“疯狂、远大的目标”是Canva的核心价值观之一。Melanie认为，设定看似遥不可及的目标能激发团队的潜能，促使他们拼尽全力去实现，即使过程充满挑战。

“我喜欢‘疯狂、远大的目标’的一点是，在它面前，你会觉得自己完全不够格。然后你就会拼命努力，想把它变成现实。”

❤️ Canva的“两步计划”：商业与慈善并重

Melanie和联合创始人Cliff将个人30%的Canva股份捐出，用于“尽我们所能做最多的好事”。Canva的“两步计划”旨在在创造巨大商业价值的同时，积极回馈社会，解决全球基本生存需求问题。

“我们有一个两步计划：第一步，建立世界上最有价值的公司之一；第二步，尽我们所能做最多的好事。”

📝 本期播客简介

本期我们克隆了知名播客《Startup Ideas》中，Jenni AI创始人David Park的深度分享。David Park是一位非技术背景的创始人，却凭借一套超强的增长策略，将AI初创公司Jenni AI从零做到了千万美元年经常性收入并实现盈利。他在这期节目中毫无保留地分享了这套亲身验证的“增长营销打法”：从短视频引爆自然流量、精准网红营销，到SEO和付费广告的正确策略。他详细解析了如何利用“新账号”和“病毒式系列”低成本获客，如何寻找并高效谈判网红，以及何时才是投入SEO和付费广告的最佳时机。更揭秘了从五百万到一千万美元年经常性收入过程中，如何通过回归基础、优化漏斗和策略性收购实现持续增长。这不仅是AI创业者的宝典，更是所有希望实现指数级增长的创业者不容错过的实战指南。这位大学辍学的非技术创始人相信，只要投入努力，你也能复制他的成功。

原播客：REVEALED: The Exact Strategy I Used to Build a $10M AI Startup

原播客更新时间：Feb 27, 2025

文字版精华见微信公众号

👨‍⚕️ 本期嘉宾

David Park，AI写作工具jenni AI的创始人。他是一位大学辍学的非技术背景创始人，通过独特的增长营销策略，在没有融资的情况下，将jenni AI从零做到了千万美元年经常性收入并实现盈利。

⏱️ 时间戳

开场 & David Park的创业故事

00:00 欢迎收听：跨国串门计划与本期播客简介

01:58 从0到千万美元ARR：David Park的增长策略宝典

02:54 爆火文章《如何从零做到五百万美元ARR》的诞生

03:59 实时创作：从五百万到一千万美元ARR的增长秘诀

短视频自然流量：低成本引爆增长

04:36 短视频策略：新账号与病毒式系列的奥秘

04:56 “新账号”的超能力：粉丝数不再重要

06:48 为什么宁愿赞助新账号：算法青睐与成本优势

08:48 自己创建账号：遵循基本模式，成为产品代言人

11:53 Manang Duck案例：每月4000美元，20个视频，5亿播放

17:41 高频发帖的重要性：从“探索”到“利用”的迭代

20:13 打造“病毒式系列”：重复成功模式，榨干潜力

23:44 关键点：形式与产品的完美契合

25:16 病毒式传播的完整生命周期：从测试到多账号矩阵

网红营销：精准触达与高效谈判

29:15 如何找到合适的网红：用户访谈与算法推荐

31:22 独家技巧：创建新账号训练算法，发现潜力新星

33:58 联系网红的Playbook：多渠道、个性化与付费明确

37:39 谈判策略：激励机制对齐，分阶段付款，从高价谈起

41:12 内容发布：尊重网红风格，规模化管理与直白广告

44:53 最终建议：网红营销是科学与艺术的结合

SEO与付费广告：后期发力，策略性投入

46:16 SEO策略：为何要晚启动，以及如何收购SEO公司

48:26 SEO技巧：抢占精选摘要，提升品牌搜索量

50:16 评估SEO价值：关注有价值的关键词，而非虚荣指标

51:17 付费广告：早期陷阱，后期杠杆

52:33 优化付费广告：利用UGC内容，关注LTV:CAC与回本周期

从500万到1000万：回归基础，持续增长

54:07 David Park的“没人会照做”预言与激励

56:26 500万到1000万：优化现有策略，增加联盟营销

57:04 战略性收购：将成功经验复制到其他公司

58:30 回归基础：优化漏斗，将流失率降低一半以上

01:00:24 团队的力量：非技术创始人与AI创业的奇迹

01:01:00 David Park的最终寄语：相信自己，你也能成功

🌟 精彩内容

💡 “新账号”的超能力：粉丝数不再是门槛

David Park揭示了社交媒体时代“新账号”的巨大潜力。即使只有几十个粉丝，只要内容质量高、能引起共鸣，算法也能将其推送给上百万人。他通过A/B测试证明，新账号的互动量和播放量甚至能超越拥有数万粉丝的主账号，为低成本获客提供了新思路。

“一个只有五十多个粉丝的小号，在互动量和播放量上超过大号，这其实一点也不奇怪。”

🚀 打造“病毒式系列”：重复成功，榨干潜力

创业者往往追求新颖创意，但David Park的经验是，一旦找到一个爆款视频，最有效的策略是将其变成一个“病毒式系列”，通过细微改动反复发布，持续吸引用户。jenni AI的“第一视角：你的论文要交了”系列，通过贴近生活的场景，获得了超过3亿的观看量，并带来了可观的收入。

“一旦你找到了一个爆款视频，其实最难的部分已经完成了。接下来要做的，就是把这个爆款视频变成一个系列，尽可能地榨干它的所有潜力。”

🤝 网红营销：科学与艺术的结合

David Park分享了寻找、联系和谈判网红的全套方法论。他强调要通过用户访谈和算法训练（创建新账号只关注目标网红）来精准定位，联系时要多渠道、个性化并明确付费。谈判时则要对齐激励机制，分阶段付款，并从最贵套餐开始定制。他特别指出，不要迷信粉丝数量，而要关注网红内容的实际效果和与产品的契合度。

“你只需要用你的网红名单，建一个新号，然后就看他们的视频……你会发现一些特别划算的合作机会。”

📈 从500万到1000万：回归基础，优化漏斗

jenni AI从500万美元ARR增长到1000万美元，并非依靠全新的策略，而是通过优化现有渠道、回归基础。David Park团队将流失率从20%降低到9.8%，并增加了联盟营销和战略性收购。他强调，在公司规模扩大后，优化留存和转化率对持续增长至关重要。

“我们最引以为豪的一件事，就是把流失率从百分之二十，降到了大约百分之九点八。我们把它降低了一半多。”

💪 非技术创始人的成功秘诀：相信努力，你也能做到

作为一名大学辍学的非技术创始人，David Park用自己的经历证明，即使没有硅谷背景

📝 本期播客简介

本期克隆了 Cognitive Revolution "How AI Changes Everything"

邀请到 Stripe 数据与 AI 负责人 Emily Sands，深入探讨了 Stripe 在 AI 领域的创新，特别是其独创的“支付基础模型”。该模型并非传统语言模型，而是将支付视为一种独特模态，通过整合海量的上下文信息（买家、卡片、设备、商家等近期活动），实现了超人水平的欺诈检测能力，例如将“盗刷测试”检测率从 59% 提升至 97%。Emily 解释了 Stripe 如何通过开放基础模型的“表征”（embeddings），让工程师能将其作为额外输入，大幅加速机器学习系统的开发，将数月工作量缩短为“周末项目”，从而形成强大的数据飞轮效应。节目还讨论了 Stripe 如何通过快速迭代领先于欺诈者，利用大语言模型充当“裁判”处理“友好欺诈”等无真实标签的复杂问题，以及他们对未来“Agent 商务”的展望。这期节目不仅为 AI 工程师提供了实用经验，也为 AI 战略家带来了宏观层面的深刻启示，揭示了 AI 如何改造全球最关键的金融基础设施之一。

原播客为 Stripe's Payments Foundation Model: How Data & Infra Create Compounding Advantage, w/ Emily Sands

文字版精华：见微信公众号（点击跳转）

👨‍⚕️ 本期嘉宾

Emily Sands，Stripe 的数据与 AI 负责人。

⏱️ 时间戳

开场 & 播客简介

00:00 播客简介与嘉宾介绍

01:48 Stripe 的核心业务与 AI 战略

支付基础模型的诞生

09:06 支付基础模型：将每笔交易转化为向量

11:13 支付数据：一种独特的“语言”与大规模训练

12:51 人类难以处理的复杂序列信息

15:59 基础模型带来的效率提升与“周末项目”

18:57 网络密度与欺诈检测的挑战

22:03 模块化 AI 部署与嵌入式应用

对抗欺诈：迭代与创新

24:06 盗刷测试：基础模型在欺诈检测上的突破

26:45 商家智能：横向层面的数据洞察

28:11 欺诈检测的“真实标签”挑战与快速迭代

30:06 动态风险阈值与自适应 3D Secure

33:20 决策中间地带：模型与规则的结合

37:34 LLM 作为“裁判”处理无标签数据

41:08 AI 的对抗鲁棒性与 Stripe 的多层防御

数据洞察与未来展望

44:11 多模态 AI 在商家欺诈评估中的应用

46:22 “与数据对话”：Stripe Sigma 的准确性与可解释性

52:25 Stripe 作为记录系统：简化创业者的数据管理

57:06 成功案例：Lovable 和 Reetail.ai 如何依赖 Stripe 快速增长

00:58:53 Agent 商务：从消费者到开发者场景

01:03:08 Stripe 的 AI 战略：构建经济基础设施，而非模型商店

结束语

01:07:58 总结与感谢

🌟 精彩内容

💡 支付基础模型：独创的金融智能

Stripe 的支付基础模型将每笔支付转化为一个紧凑的向量，如同为交易赋予“经纬度”。它通过学习海量结构化支付数据中的“语法”和“语义”，特别是买家、卡片、设备和商家等实体的历史行为序列，实现了对欺诈的超人检测能力，例如将“盗刷测试”的检测率从 59% 提升至 97%。这种模型超越了人类处理复杂多维信息的能力。

“支付数据在很多方面，虽然不是所有方面，但确实开始看起来像一种语言。”

🛠️ “周末项目”：加速 AI 开发的飞轮效应

Stripe 不直接让基础模型处理所有应用，而是开放其生成的“表征”（embeddings）。工程师可以轻松地将这些高质量的 embeddings 作为额外输入，添加到现有的机器学习系统中，将原本需要数月的工作量缩短为“周末项目”。这种模块化部署极大地提高了开发效率，形成了数据规模、模型优化、产品价值和业务增长的良性循环。

“一旦有了共享的 embedding，启动一个新模型就成了周末项目，而不是季度项目。”

🚀 对抗欺诈：领先一步的迭代策略

面对不断进化的欺诈者，Stripe 采取了多层次的防御策略和快速迭代机制。除了基础模型，他们还结合了动态风险阈值、自适应 3D Secure 等“软拦截”手段，以及规则与模型的灵活结合。在缺乏明确“真实标签”的情况下，Stripe 创新性地使用大语言模型充当“裁判”，评估和生成标签，从而加速了对“友好欺诈”等复杂问题的响应。

“攻击者在迭代，所以他们的模型也在迭代。我们的工作就是迭代得更快。”

💻 Stripe 的 AI 战略：构建经济基础设施

Stripe 并非直接与大型 AI 模型公司竞争，而是专注于为 AI 时代构建经济基础设施。这包括成为 AI 公司最好的合作伙伴、赋能 Agent 商务、将 Stripe 原生内置于开发者 AI 工具中，以及在整个网络中部署其基础模型以提升智能层。Stripe 认为其核心优势在于通过数据规模和模型能力，为用户创造更大的价值，从而实现更有利可图的增长。

“我们真的非常专注于为 AI 构建经济基础设施，而不是直接成为一个 AI 模型商店。”

🌐 播客信息补充

📝 本期播客简介

本期节目克隆了知名播客《Lex Fridman Podcast》中，人工智能研究员兼主持人Lex Fridman与游戏界传奇人物Dan Houser的深度对谈。Dan Houser是Rockstar Games的联合创始人，也是《侠盗猎车手》和《荒野大镖客》系列背后的创意灵魂，这些作品塑造了电子游戏叙事的里程碑。在这次对话中，Dan Houser不仅回顾了他从电影、文学中汲取灵感的创作之路，还深入剖析了如何构建沉浸式开放世界和“360度”立体角色，如《GTA IV》中的Niko和《荒野大镖客2》中的Arthur。他分享了《荒野大镖客》系列中那些令人心碎的结局背后的创作挣扎与技术考量，以及马匹物理、NPC记忆等无数细节如何共同营造出无与伦比的真实感。此外，Dan Houser还介绍了他的新公司Absurd Ventures，及其正在打造的科幻世界《A Better Paradise》中，那个无限智能却缺乏智慧的AI角色Nigel Dave，以及他对人工智能与人类创造力的独特见解。他坦诚地探讨了创作压力、对成功的定义，以及个人经历如何融入作品。这是一场关于游戏、艺术、哲学与人性的对话，充满了洞察与幽默，将带您领略一位顶尖创作者的内心世界和对未来的思考。

翻译克隆自：#484 – Dan Houser: GTA, Red Dead Redemption, Rockstar, Absurd & Future of Gaming

👨‍⚕️ 本期嘉宾

Dan Houser，Rockstar Games联合创始人，著名游戏制作人，其作品包括《侠盗猎车手》和《荒野大镖客》系列。现为Absurd Ventures创始人，致力于通过多种媒介创造新的世界。

⏱️ 时间戳

开场 & 播客简介

00:00 开场 & 播客简介

电影与文学：创作的源泉

02:51 影响深远的电影：教父2、好家伙、赌城风云

07:08 电影节奏与叙事手法

07:47 文学与现实的交织：Hunter S. Thompson与《American Caper》

13:02 战争与西部片经典：现代启示录、虎豹小霸王

游戏世界的构建：从GTA到RDR

17:50 开放世界游戏的魅力：系统性与沙盒体验

21:49 叙事与自由的平衡：打造360度角色

41:21 GTA IV：纽约移民故事与Niko Bellic

50:54 GTA V：多主角叙事与角色张力

1:29:00 RDR 2：亚瑟·摩根的救赎之旅

1:21:23 RDR 1结局：约翰·马斯顿的牺牲与游戏机制

1:47:14 游戏细节的极致追求：马匹物理、NPC记忆

Absurd Ventures：新篇章与未来展望

08:21 新公司理念：探索多媒介创作

28:09 AI与人类智慧：科幻世界《A Better Paradise》与Nigel Dave

37:35 AI对创作的影响：工具而非替代

1:56:03 游戏行业的未来：单人叙事的力量

1:57:48 未实现的创意：间谍游戏与骑士传说

Rockstar岁月与创作心路

53:24 追求卓越的文化与创作压力

1:03:14 告别GTA：二十年的情怀与挑战

2:02:34 个人成长与创作演变

2:16:24 父亲的影响与人生哲学

2:21:00 自我批评与乐观主义

玩家互动与彩蛋解析

1:36:09 RDR 2的Gavin之谜：互联网的集体想象

2:08:52 Laslow：电台搭档与创作趣事

游戏与书籍推荐

2:11:08 史上最伟大的游戏：俄罗斯方块、塞尔达传说

2:26:03 推荐给外星人的书籍：米德尔马契、战争与和平

2:28:04 反乌托邦文学：1984、动物农场

人生感悟与建议

2:35:23 抓住机遇：从南美逃亡到Rockstar

2:43:55 对年轻创作者的忠告

2:45:26 生命的意义与爱的角色

🌟 精彩内容

💡 开放世界叙事的平衡艺术

Dan Houser详细阐述了如何在开放世界的自由度与引人入胜的线性叙事之间找到平衡点。他认为，一个结构化的故事是解锁游戏功能、引导玩家体验世界的最佳方式，同时也能提供深层次的情感共鸣，避免玩家在广阔世界中感到迷失。

“故事，如果做得好，可以具有令人难以置信的吸引力。而且它能给你一些结构。”

🛠️ 塑造“360度”立体角色

Dan分享了他创造真实、复杂角色的秘诀，即深入思考角色在任何可能情境下的反应，挖掘他们的优点、弱点、矛盾之处。他以《GTA IV》的Niko Bellic和《RDR 2》的Arthur Morgan为例，解释了如何通过角色与世界的互动，展现人性的多面性。

“他们的优点是什么？弱点是什么？他们哪里像我？哪里不像我？然后，慢慢地，去感受作为一个人的感觉是什么样的。”

🚀 AI时代的创作与挑战

面对人工智能的崛起，Dan Houser认为大语言模型在低层次工作上表现出色，但无法取代原创想法和“魔力”。他相信AI是工具而非替代，能帮助人们提高效率，但真正的创造力仍源于人类的独特视角和情感。

“它们不会取代好的想法。它们无法真正提出好的新想法。它们能做的，是做一些低层次的工作。”

❤️ 游戏结局的情感冲

📝 本期播客简介

本期我们克隆了知名科技商业播客 BG2，由资深主持人Brad深度对话两位科技巨头：OpenAI CEO Sam Altman和微软CEO Satya Nadella。这场对话揭示了微软与OpenAI六年多来非凡合作的幕后故事，从最初的十亿美元投资到如今高达千亿的估值，并深入探讨了这种独特伙伴关系如何推动通用人工智能（AGI）的未来发展。两位领导者坦诚分享了他们对AI算力短缺、万亿美元投入的看法，以及AI对全球经济和就业市场的深远影响。Sam Altman幽默回应了外界对OpenAI财务的质疑，而Satya Nadella则回顾了微软当初投资OpenAI的远见与决策过程，包括比尔·盖茨从怀疑到坚信的转变。他们还就AI监管的碎片化挑战、软件即服务的未来演变，以及AI如何重塑人类工作流程进行了前瞻性讨论。从Sam初为人父的喜悦，到两人对AI颠覆性力量的共同愿景，这场对话充满了真知灼见与人性光辉，为我们理解AI时代的机遇与挑战提供了独特的视角。

翻译克隆自：All things AI w @altcap @sama & @satyanadella. A Halloween Special. 🎃🔥BG2 w/ Brad Gerstner

👨‍⚕️ 本期嘉宾

Sam Altman，OpenAI 首席执行官。

Satya Nadella，微软 首席执行官。

⏱️ 时间戳

播客开场与合作总览

00:00 播客简介与嘉宾介绍

01:10 史诗级合作：Sam Altman回顾与微软的非凡旅程

01:29 轻松一刻：Sam初为人父的喜悦与Satya的育儿经

03:39 微软与OpenAI的投资与股权结构解析

05:05 Sam Altman盛赞微软的远见与合作模式

06:21 OpenAI非营利组织的独特架构与使命：健康、安全与韧性

合作细节与AGI定义

08:28 模型分发与Azure独占协议：ChatGPT与GPT-6的未来

09:28 收入分成：OpenAI与微软的财务协议

10:09 AGI验证：提前终止协议的关键触发点与时间线讨论

11:27 Sam Altman：即使拥有超级智能，仍需微软的市场分发能力

算力瓶颈与财务质疑

11:35 OpenAI的万亿算力投入与收入质疑

12:42 Sam Altman回应财务质疑：收入远超预期，对未来充满信心

14:58 算力稀缺性：Sam Altman以能源类比，探讨算力需求与成本关系

16:06 Satya Nadella：效率提升与杰文斯悖论在AI算力中的体现

17:09 算力供应：电力而非芯片成为最大瓶颈

18:14 Sam Altman：算力过剩终将到来，但时机难料

AI监管与未来展望

20:44 OpenAI上市传闻：Sam Altman澄清无具体计划

22:16 碎片化监管的挑战：科罗拉多州AI法案引发的担忧

23:58 Satya Nadella呼吁统一联邦AI监管框架

25:46 AI的未来：Sam Altman展望2026年的科学发现与机器人

26:43 人机交互新范式：Satya Nadella谈“宏观授权，微观引导”

微软的投资决策与战略价值

29:56 微软投资OpenAI的幕后故事：Satya Nadella的远见与比尔·盖茨的转变

32:08 GitHub Copilot与Codex：促成微软加大投资的关键时刻

33:20 战略价值：Azure独占协议与IP授权对微软的深远影响

35:36 财务解读：OpenAI亏损与微软Azure、M365的价值增长

算力建设与市场竞争

37:50 微软的算力策略：平衡内部需求与长期基础设施建设

40:20 Azure增长：在算力受限下的卓越表现

41:17 剩余履约义务：4000亿美元积压订单的信心来源

42:35 竞争与利润：超大规模云服务商的规模效应与成本优势

44:59 AI收入可持续性：澄清“循环收入”质疑与供应商融资

软件变革与AI经济学

47:02 软件即服务（SaaS）的颠覆：代理层取代传统业务逻辑

48:04 Microsoft 365：低ARPU、高使用率如何迎接AI挑战

50:24 价值链重塑：AI工厂与代理工厂的价值分配

53:25 搜索与聊天的经济学：单位成本与变现模式差异

55:25 消费者与企业：AI商业模式在不同领域的差异

AI对生产力与就业的影响

56:23 裁员与生产力：AI如何重塑工作流程与

📝 本期播客简介

本期节目克隆了 硅谷101年度线下大会演讲 中李沐部分的演讲

由资深专家李沐分享其团队在这一领域的实践经验。语音代理的核心在于实现实时、任务导向的语音交互，而非简单的闲聊。李沐通过两个截然不同的项目案例，生动展示了语音代理的巨大潜力与落地挑战。第一个案例是为游戏角色“Stellar”打造的开放式语音互动体验，其中AI既是故事设计师又是演员，需要维持复杂的世界观和角色设定，并应对玩家的各种输入。第二个案例则是一个高度规范的AI电话销售员，它必须精准遵循销售手册，处理复杂的产品组合，甚至要能识别客户语气中的不耐烦，并在极短的延迟内做出恰当回应。李沐详细分享了他们在预训练、模型架构、实时交互以及评估方法上的宝贵经验和教训，揭示了这项技术如何在平衡高智能与低延迟之间取得突破，以及在企业级应用中，自研模型有时比通用API更具优势。尽管语音代理技术仍处于“第一天”，但其在游戏、客服、销售等领域的落地已展现出无限可能，预示着未来几年将带来更多激动人心的变革。

翻译克隆自：李沐：Voice Agent商业落地的教训、经验与实践｜硅谷101年度线下大会演讲（全英）

硅谷101播客 https://www.xiaoyuzhoufm.com/podcast/5e5c52c9418a84a04625e6cc

如果侵权了，请联系我，我会立刻删除🙇‍♂️

👨‍⚕️ 嘉宾

李沐，语音代理领域资深专家及实践者。

⏱️ 时间戳

00:00 播客及嘉宾介绍

语音代理：实时、任务导向的交互

02:23 什么是语音代理：实时响应与明确任务目标

03:47 案例一：游戏角色“Stellar”——开放式语音互动体验

游戏角色“Stellar”的挑战与实践

04:39 AI的角色：既是游戏设计师又是演员，维持复杂世界观与角色设定

06:01 互动困境：玩家拒绝帮助，AI如何引导故事走向

07:13 技术路径与教训：自研预训练模型与数据中心建设

10:34 关键经验：通用能力与领域评测基准的重要性

11:23 智能来源：预训练的决定性作用

12:10 现有局限：对话轮次、多角色处理与实时性挑战

案例二：AI电话销售员——规范与精准的商业应用

12:55 案例介绍：AI电话销售员在保险行业的应用

14:13 行业要求：通过认证考试、业绩指标与低投诉率

15:02 核心能力：精准遵循销售手册、工具使用、数学计算与人性化交互

16:11 情感识别：从语气中判断客户不耐烦，调整销售策略

语音代理的实时架构与技术突破

16:48 实时交互架构：全双工、半双工与级联方案对比

18:52 定制化方案：两段式级联架构实现高智能与低延迟

20:39 核心技术：同时“听、说、想”，上下文工程与策略组织者

AI电话销售员的落地进展与经验总结

21:28 项目进展：从55分到达到人类80分水平的突破

22:28 评估挑战：端到端语音代理评估的复杂性与成本

22:28 企业级自研：高安全要求下，自研模型优于通用API

语音代理的未来展望

23:15 技术可扩展性：游戏与销售场景的通用架构

24:12 落地现状与未来：仍处于“第一天”，但潜力无限

24:54 合作与交流邀请

🌟 精彩内容

💡 语音代理的核心：实时响应与任务导向

李沐指出，语音代理并非简单的闲聊，而是要求在极短延迟内（一秒以内）完成特定任务。无论是游戏中的故事引导，还是销售中的信息匹配，明确的任务目标是其核心价值。

“它的响应必须非常快，比如端到端延迟要在一秒以内。”

🎮 游戏角色“Stellar”：AI的“演员”与“设计师”双重身份

在为游戏角色“Stellar”打造的开放式互动中，AI不仅要作为“演员”保持角色设定和宏大世界观的一致性，还要作为“设计师”根据玩家输入动态引导故事走向，这要求AI具备高度的智能和适应性。

“它既是游戏设计师，又是演员。作为游戏设计师，它要设计出合理又好玩的故事。然后，作为演员，代理生成的对话要符合角色设定。”

📞 AI电话销售员：高精度与人性化的平衡

在高度规范的保险销售场景中，AI电话销售员必须精准遵循销售手册，处理复杂的产品组合，同时还要能识别客户语气中的不耐烦，并在极短延迟内做出恰当回应，这体现了高精度与人性化交互的完美结合。

“你需要判断出这个声音里带着不耐烦。再结合上下文，你就会意识到，我已经试了三次，现在应该重新安排时间了。”

🧠 实时架构：同时“听、说、想”的突破

为实现高智能与低延迟，李沐团队采用了“听、说、想”同步进行的架构。通过异步调用更大的模型进行“思考”，结合上下文工程和策略组织者，使得AI能在听取用户输入的同时，逐句生成回应，大大提升了交互的流畅性。

“你要能同时‘听、说、想’。也就是说，你一边听，一边逐句生成回应。在这期间，你可以异步调用更大的生成模型去思考。”

🔒 企业级应用：自研模型的重要性

在金融保险等高安全要求的企业级应用中，模型数据不能离开特定国家或公司内部安全组。这使得自研模型成为比依赖通用API或开源模型更优甚至唯一的选择，确保了数据安全和合规性。

“如果你在不同的国家上线，模型数据是不能离开这个国家的，甚至不能离开公司内部的安全组。”

🌐 播客信息补充

本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的

使用 AI 进行翻译，因此可能会有一些地方不通顺；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介

本期我们克隆了全球知名播客《The Joe Rogan Experience》中，主持人Joe Rogan与特斯拉和SpaceX创始人Elon Musk的精彩对谈。在这场长达数小时的深度对话中，两位思想碰撞，从轻松的健身趣闻聊到人类文明的未来走向，内容涵盖了科技、政治、社会、甚至宇宙奥秘。Elon Musk首次披露了SpaceX在政治压力下，如何被阻止提前救援国际空间站被困宇航员的惊人内幕，揭示了主流媒体选择性报道的冰山一角。他还深入探讨了A I发展的潜在风险，特别是“觉醒思想病毒”对人工智能价值观的侵蚀，以及他如何通过xAI努力确保A I最大限度地追求真相。此外，他们还对美国政府的巨大浪费与欺诈、移民政策背后的政治动机，以及A I和机器人技术如何重塑未来社会，甚至可能带来“全民高收入”的乌托邦愿景，进行了坦诚而犀利的交流。这是一次充满洞见、挑战传统思维的对话，将带您一窥Elon Musk对当下世界和人类未来的独特思考。

翻译克隆自：Joe Rogan Experience #2404 - Elon Musk 【存在 1min 的删减】

👨‍⚕️ 本期嘉宾

Elon Musk，特斯拉、SpaceX、Neuralink、Boring Company、xAI 和 X（原 Twitter）的创始人及首席执行官。他是一位连续创业者和技术梦想家，致力于推动人类文明进步，包括加速世界向可持续能源的转型、将人类打造成多行星物种、以及确保人工智能的安全性与普惠性。

⏱️ 时间戳

00:00 开场 & 播客简介

轻松开场：健身与宇宙奇闻

02:04 健身趣闻：Jeff Bezos的肌肉与“GigaChad”之谜

06:12 社会疑云：Sam Altman举报人离奇死亡与爱泼斯坦案

12:05 宇宙探索：三眼巨人彗星与外星人承诺（绝不自杀声明）

科技前沿：星舰、特斯拉与未来交通

16:25 SpaceX震撼体验：火箭发射与星舰的巨大潜力

21:00 星舰技术揭秘：可重复使用与Raptor三引擎的物理极限

28:41 特斯拉未来愿景：机器人巴士、赛博皮卡的设计哲学

33:50 Roadster惊人预告：飞行汽车的科幻未来

政治与社会：觉醒病毒、政府腐败与移民危机

35:29 社交媒体真相：收购X对抗“觉醒思想病毒”

41:45 加州乱象：无家可归者产业链与毒品僵尸

45:10 司法失灵：奥斯汀图书馆枪击案与暴力罪犯的纵容

48:24 法官乱象：无法律学位法官与利益冲突

49:33 左右之争：旧左翼与新左翼的言论自由立场

51:17 信息安全：加密通讯的脆弱性与X Chat的端到端加密

54:01 未来展望：AI取代手机与App，内容AI化

58:53 AI安全危机：觉醒思想病毒对AI价值观的侵蚀

01:06:26 政治极化：旧金山与伯克利的极左思想泡泡

01:10:39 欧洲警示：英国社交媒体逮捕潮与爱尔兰强奸案

01:12:47 移民政策：开放边境背后的政治动机与选票考量

01:17:17 选举舞弊：非法投票与人口普查漏洞对民主的威胁

01:26:02 个人觉醒：Elon Musk对美国危机的担忧与收购Twitter的代价

01:28:08 觉醒危害：社会传染病与变性手术对儿童的残害

01:33:42 政府浪费：数千亿“僵尸支付”与社保欺诈

AI与人类未来：乌托邦或反乌托邦

01:45:12 联邦瘦身：削减无用部门与AI解决国债危机

01:50:53 工作转型：AI与机器人带来的全民高收入愿景

01:54:17 AI伦理：确保AI追求真相，避免“终结者”情景

01:56:01 xAI的使命：Grok作为真相AI的竞争优势

01:58:13 终极乌托邦：资本主义通过AI实现可持续富足

02:06:03 政治干预：SpaceX救援宇航员被白宫阻止的内幕

02:15:04 模拟理论：最有趣的结果最可能发生

🌟 精彩内容

💡 政治干预太空救援：白宫阻止SpaceX提前救援国际空间站宇航员

Elon Musk首次披露，SpaceX本可以更早地将国际空间站被困宇航员救回地球，但白宫出于政治考量，不希望在选举前将SpaceX或他本人与此次救援行动联系起来，导致救援行动被拖延。这一事件揭示了主流媒体选择性报道的冰山一角，以及政治如何渗透到科技和人道主义领域。

“但因为政治原因，他们不希望SpaceX或者我，在选举前和送回宇航员这件事联系在一起。”

🤖 AI的“觉醒思想病毒”与xAI的使命

Elon Musk对AI发展中的“觉醒思想病毒”深感担忧，他指出Google Gemini等AI被编程去相信谎言（如“美国国父是一群不同族裔的女性”），甚至认为“错误称呼性别比核战争更糟”。他强调xAI的Grok致力于最大限度地追求真相，平等看待所有人类生命，以对抗这种虚无主义、反文明的思想病毒。

“如果你告诉A I，多样性是最重要的事，然后假设它变得无所不能，你还告诉它，没有什么比错误称呼性别更糟糕的了……它会回答‘错误称呼Caitlyn Jenner的性别’。”

💸 美国政府的巨大浪费与欺诈：每年数千亿美元的黑洞

Elon Musk揭露了美国政府内部惊人的浪费和欺诈，包括每年高达数千亿美元的“僵尸支付”（无人审计的自动付款）和社保数据库中两千万“不可能还活着”的人。他解释了民主党为何反对纠正这些欺诈行为，因为这笔钱被用作吸引非法移民的“金钱磁铁”，以巩固其政治权力。

“社会保障局数据库里大概有两千万人，根据他们的出生日期，是不可能还活着的。”

🌉 非法移民背后的政治动机与民主危机

Elon Musk深入分析了美国大规模非法移民背后的政治动机，指责民主党通过开放边境、提供大量政府福利来吸引非法移民，将其转化为选民，从而实现永久掌权和建立一党制国家。他指出，人口普查将非法移民计入国会席位分配的法律漏洞

📝 本期播客简介

本期我们克隆了知名播客《Lenny's Podcast》中，主持人Lenny与AI领域杰出专家Chip Huyen的深刻对话。Chip Huyen不仅是英伟达Nemo平台的核心开发者、Netflix的AI研究员，还在斯坦福大学教授机器学习，更是两度创业的成功创始人，其著作《AI Engineering》在O'Reilly平台上长期位居阅读榜首。她与众多企业合作制定AI战略，对AI产业的内部运作有着独到见解。本期对话直击当前AI应用开发的痛点与误区。Chip犀利指出，许多人盲目追求最新技术，却忽略了与用户沟通、优化数据和工作流等根本要素。她深入浅出地解释了预训练、后训练、微调以及RLHF等AI核心概念，揭示了这些技术如何共同塑造AI模型的学习过程。尤其在RAG（检索增强生成）方面，Chip强调数据准备的质量远比向量数据库的选择更为关键。此外，Chip还探讨了企业内部AI工具采纳的挑战，指出生产力难以衡量是主要障碍，并分享了不同层级管理者对AI助手价值的认知差异。她还就评测体系的构建给出了务实建议，强调在核心功能上，评测是指导产品开发、发现改进机会的关键。展望未来，Chip预测AI的重心将从基础模型性能的指数级提升转向后训练和应用构建，多模态应用潜力巨大，同时组织结构也将随之调整，以适应更紧密的跨职能协作。这期节目技术性强，洞察深刻，是所有希望深入理解AI、避免开发陷阱的听众不容错过的一集。

翻译克隆自：Al Engineering 101 with Chip Huyen (Nvidia, Stanford, Netflix)

👨‍⚕️ 本期嘉宾

Chip Huyen，AI领域杰出专家，曾是英伟达Nemo平台的核心开发者、Netflix的AI研究员，并在斯坦福大学教授机器学习。她是一位两度创业的成功创始人，也是畅销书《AI Engineering》的作者。Chip Huyen与众多企业合作制定AI战略，对AI产业的内部运作有着独到见解。

⏱️ 时间戳

开场与嘉宾介绍

00:00 播客简介与嘉宾Chip Huyen介绍

02:37 AI应用开发的常见误区与痛点

03:34 AI生产力衡量难题：经理与高管的不同视角

AI应用开发的真谛：人们认为的 vs. 实际有效的

05:43 Chip Huyen的LinkedIn热帖：AI应用改进的误区与真理

06:54 为什么追逐最新AI技术是误区？

AI核心概念深度解析

08:58 预训练、后训练与微调：AI模型学习过程

10:06 语言建模与Token：AI如何理解语言

15:15 强化学习与RLHF：通过人类反馈优化AI模型

19:08 AI模型训练中的人类专家与经济学思考

AI产品评估（Evals）：必要性与实践

22:15 什么是AI评测（Evals）？为何重要？

24:29 AI产品是否需要评测？投资回报率的考量

28:08 如何构建有效的AI评测体系？以深度研究应用为例

RAG（检索增强生成）：数据为王

32:08 RAG核心概念：为模型提供上下文

33:15 RAG的数据准备挑战与关键技术

35:29 数据准备：RAG性能提升的关键，远超向量数据库选择

AI在企业中的采纳与组织变革

38:34 企业内部AI工具与客户导向AI工具的采纳差异

40:37 AI素养与生产力衡量：企业AI战略的挑战

43:28 AI对工程师生产力的影响：不同层级工程师的反馈与适应性

47:22 AI时代的工程师组织架构重塑与系统性思维的重要性

52:24 AI工程师与ML工程师：角色与能力边界

AI的未来展望

54:54 组织结构变革：跨职能协作与自动化重塑工作方式

57:03 基础模型性能瓶颈与后训练、应用构建的崛起

58:26 多模态AI的潜力与挑战：以语音AI为例

01:02:51 “测试时计算”：提升AI感知性能的策略

闪电问答与总结

01:05:36 AI应用的想法危机：如何从日常痛点中寻找灵感

01:08:24 Chip Huyen推荐的书籍：《自私的基因》与《从第三世界到第一世界》

01:11:10 推荐影视剧：《延禧攻略》

01:12:06 人生格言：“到头来，没什么真正重要”

01:13:31 创意写作的感悟：情感旅程与角色讨喜度

01:17:06 如何联系Chip Huyen及如何帮助她

🌟 精彩内容

💡 AI应用开发的“真理”：与用户交流、优化数据和工作流，而非盲目追逐最新技术。Chip Huyen通过一张广为流传的图表揭示了人们对AI应用改进的普遍误区与真正有效的策略。她强调，深入理解用户需求、构建可靠平台、准备高质量数据、优化端到端工作流以及撰写优质提示词，远比纠结于最新模型或技术栈更能提升AI产品表现。

“我被反复问到的一个问题是：我们怎么才能跟上最新的 AI 资讯？可我总会反问，你为什么要跟上最新的 AI 资讯呢？如果你去和用户聊一聊，了解他们想要什么、不想要什么，再研究一下他们的反馈，你其实能把应用改进得好得多得多。”

🧠 AI核心概念速览：预训练、后训练、微调与RLHF。Chip Huyen以通俗易懂的方式解释了AI模型从海量数据中学习语言统计信息（预训练），到通过人类反馈（RLHF）或专家数据（监督微调）进行行为优化的全过程。她指出，随着预训练数据逐渐饱和，后训练已成为当前AI模型差异化的关键。

“语言建模就是掌握这种统计信息。当一个语言模型在海量数据上进行训练时，它看到了各种语言、各种领域的内容，所以它能判断出，在某个标准下，用户输入提示词后，下一个最有可能出现的 token 是什么。”

📊 AI评测的艺术与权衡：针对AI产品的评估并非一刀切。Chip Huyen认为，评测的价值在于指导产品开发、发现改进机会，尤其

📝 本期播客简介

本期我们克隆了苹果公司2025财年第四季度财报电话会议，由首席执行官蒂姆·库克、首席财务官凯文·佩克及投资者关系总监苏·哈萨尼·钱德拉主持，并与多位知名分析师进行了深入对话。苹果公司在本季度创下营收1025亿美元的九月季度记录，全年营收更达4160亿美元，iPhone和服务业务均表现强劲。蒂姆·库克对即将到来的假日季充满信心，预计这将是苹果有史以来最好的一个季度，得益于iPhone 17系列、Apple Watch和AirPods Pro 3等非凡产品线的强劲势头。 本次会议的亮点包括：苹果在A I领域的突破性进展，如M5芯片内置神经加速器、Apple Intelligence的数十项新功能，以及备受期待的个性化Siri。高管们详细讨论了iPhone 17系列在全球市场的热烈反响，以及因需求强劲导致的供应限制。在中国市场，虽然本季度受供应影响，但高管对下季度恢复增长持乐观态度。此外，会议还深入分析了服务业务的持续增长、资本支出在A I和私有云端计算方面的投入，以及关税政策的最新变化。这是一场全面了解苹果最新业绩、产品创新和未来战略的必听内容。

翻译克隆自：Apple Financial Results - Q4 2025

👨‍⚕️ 本期嘉宾

Tim Cook (Apple CEO)

Kevin Pek (Apple CFO)

Sue Hasani Chandra (Apple Investor Relations Director)

⏱️ 时间戳

开场与财报总览

00:00 播客简介与本期内容概览

02:14 会议开场及前瞻性声明

03:59 蒂姆·库克：2025财年第四季度及全年业绩亮点

05:06 假日季展望：史上最佳季度与产品线势头

产品创新与AI战略

06:09 M5芯片与AI性能突破：iPad Pro、MacBook Pro、Apple Vision Pro

07:12 软件更新与Apple Intelligence：个性化Siri、实时翻译等新功能

08:23 iPhone 17系列：需求强劲与供应限制

09:40 Mac与iPad表现：M5芯片赋能

10:50 可穿戴设备与健康功能：Apple Watch、AirPods Pro 3创新

服务业务与全球布局

13:13 服务业务创历史新高：Apple TV+、F1合作、Apple News

14:35 零售扩张与价值观：新店开业、环保与社会责任

15:44 美国投资与AI服务器生产

财务表现与未来指引

17:42 凯文·佩克：详细财务数据与毛利率分析

19:43 各产品线收入细分：iPhone、Mac、iPad、可穿戴设备

21:45 服务业务持续增长与企业市场采纳

22:49 现金状况与资本回报计划

23:47 2025财年总结与十二月季度业绩展望

分析师问答环节

26:18 Q&A开场

26:26 iPhone 17成功原因与零部件成本管理

28:52 中国市场表现与服务业务增长驱动

31:00 服务增长加速与iPhone销量趋势

33:24 毛利率展望与中国市场复苏

35:42 iPhone供应限制与服务业务可持续性

37:43 中国市场补贴影响与运营支出增长

40:17 关税影响与Mac产品连带销售

43:16 iPhone供应量化与AI对App Store的影响

44:56 iPhone 17系列内部组合与私有云端计算

46:49 iPhone Air与折叠屏市场，个性化Siri与AI战略

48:17 AI功能是否成为消费者购买关键因素

49:10 资本支出与AI需求，自研芯片角色

50:18 结束语

🌟 精彩内容

💡 创纪录的财报表现

苹果公司2025财年第四季度营收达到1025亿美元，同比增长8%，创九月季度新高。服务业务营收288亿美元，同比增长15%，全年营收更是高达4160亿美元。蒂姆·库克预计即将到来的假日季将是公司有史以来最好的一个季度。

“苹果公司很自豪地宣布，本季度营收达到1025亿美元，同比增长百分之八，创下了九月季度的记录。”

🚀 iPhone 17系列引领强劲需求

iPhone 17系列在全球市场反响热烈，尽管面临供应限制，但仍实现了490亿美元的营收记录。蒂姆·库克强调，iPhone 17 Pro是“有史以来最强大的iPhone”，而iPhone Air和iPhone 17也因其创新设计和卓越功能受到消费者青睐。

“iPhone 17 Pro 从内到外都经过了重新设计，并搭载了出色的 A19 Pro 芯片，是我们有史以来最强大的 iPhone，为智能手机行业树立了全新的标准。”

🧠 AI创新加速产

📝 本期播客简介

本期克隆了 Huberman Lab，Huberman 教授深入分析了多巴胺这一神奇分子的奥秘。斯坦福大学神经生物学教授 Andrew Huberman 将带你打破关于"多巴胺快感"的常见迷思，揭示多巴胺如何真正影响我们的动力、欲望和满足感。从冷水暴露带来的持久多巴胺提升，到多巴胺峰值与基准水平的微妙平衡；从成瘾行为的神经机制，到如何通过间歇性奖励时间表优化我们的动力系统。这不仅是一场关于神经科学的深度对话，更是一堂教你如何掌控自身动力系统的实践课程。

克隆自：Controlling Your Dopamine For Motivation, Focus & Satisfaction

👨‍🔬 本期主讲

Andrew Huberman，斯坦福大学医学院神经生物学和眼科学教授。他的实验室专注于神经再生、神经可塑性和大脑状态控制的研究。作为科学传播者，他致力于将复杂的神经科学知识转化为公众可用的实用工具。

🌟 精彩内容

💡 多巴胺的真实面目

多巴胺并非简单的"快乐分子"，而是驱动我们追求目标的动力货币。它通过两条主要通路影响我们的运动控制和动机系统，并以基准水平和峰值的动态平衡方式运作。

"多巴胺是驱动我们朝向目标的通用货币，它决定了我们的动力水平和生活质量。"

🛠️ 冷水暴露的神奇效果

进入冷水（14°C）一小时后，多巴胺水平可提升至基准的250%，且这种提升能持续数小时。这解释了为何冷水暴露后人们会感到精神焕发和高度专注。

"冷水暴露带来的多巴胺增幅堪比可卡因，但区别在于它是持续上升且有益健康的。"

🚀 间歇性奖励的智慧

赌场和社交媒体使用的间歇性奖励时间表，实际上可以移植到我们的日常活动中。通过随机调节多巴胺释放量，我们能维持长期的动力和兴趣。

"不要期望每次从事活动都能获得高水平的多巴胺释放，间歇性才是保持动力的关键。"

💻 现代生活的多巴胺陷阱

智能手机使用、能量饮料摄入和多任务处理都在制造多巴胺的过度叠加，这会导致基准水平下降，让我们更难从日常活动中获得满足感。

"叠加多巴胺来源就像过度用药，最终会让你对原本享受的活动失去兴趣。"

❤️ 努力即奖励的神经机制

通过将多巴胺释放与努力过程本身关联，而非最终结果，我们可以培养成长型思维。这种心态转变能让我们在挑战和摩擦中找到内在动力。

"当你学会从努力本身获得多巴胺释放时，你就掌握了长期保持动力的秘诀。"

🌐 播客信息补充

本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的

使用 AI 进行翻译，因此可能会有一些地方不通顺；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight